Vous êtes sur la page 1sur 86

MA

TER
IALS
UPL
EME
NTA
RPA
RAA
COMP
ANH
AR
material suplementar para acompanhar

INTRODUO
PESQUISA OPERACIONAL
Mtodos e Modelos para Anlise de Decises

5. EDIO

Eduardo Leopoldino de Andrade


Este Material Suplementar pode ser usado como apoio para o livro Introduo
Pesquisa Operacional Mtodos e modelos para Anlise de Decises, 5a
Edio, 2015. O acesso aos materiais suplementares desta edio est sueito
ao cadastramento no site da LTC LIVROS TCNICOS E CIENTFICOS
EDITORA LTDA.

Este livro conta com os seguintes materiais suplementares:


JJ Captulo 10: Programao Linear Inteira
JJ Captulo 11: Programao por Metas e Otimizao com Objetivos
Mltiplos
JJ Apndice A: Reviso Matemtica
JJ Apndice B: Reviso de Conceitos de Estatstica e Probabilidade
JJ Exerccios Resolvidos (texto)
JJ Exerccios Resolvidos (planilhas em Excel)
JJ Templates de Planilhas em MS-Excel
JJ Transparncias em MS-PowerPoint

Direitos exclusivos para a lngua portuguesa


Copyright 2015 by Eduardo Leopoldino de Andrade
LTC Livros Tcnicos e Cientficos Editora Ltda.
Uma editora integrante do GEN | Grupo Editorial Nacional

Editorao Eletrnica:
Sumrio

Captulo 10, Programao Linear Inteira, 1 Apndice A, 38


Caractersticas Bsicas da PLI, 1 REVISO MATEMTICA, 38
Descrio do Problema, 1 Vetores, 38
Modelagem do Problema, 1 Definio de Vetor, 38
Soluo do Modelo Contnuo, 1 Exemplo, 38
Anlise de Regio Vivel, 2 Exemplo, 38
Modelagem de Problemas Tpicos de PLI, 2 Adio (Subtrao) de Vetores, 38
Exemplo 1, 2 Exemplo, 38
Problema da mochila (knapsack problem), 2 Multiplicao de Vetor por Escalar, 38
Exemplo 2, 3 Exemplo, 38
Problema de alocao de investimento para expanso de Vetores Linearmente Independentes, 39
uma rede, 3 Exemplo, 39
Mtodos para Soluo dos Problemas PLI, 5 Exemplo, 39
Introduo, 5 Matriz, 39
Mtodos de Equaes de Corte, 6 Exemplo, 39
Conceito Bsico, 6 Exemplo, 39
Desenvolvimento das Equaes de Corte, 6 Exemplo, 39
Soluo do Novo Modelo, 7 Operaes com Matrizes, 39
Coeficientes Fracionrios no Modelo, 7 Exemplo, 40
Obteno de Coeficientes Inteiros, 8 Exemplo, 40
Exemplo, 9 Determinante de uma Matriz, 40
Mtodo Branch and Bound (B & B), 10 Exemplo, 40
Soluo do Problema Original, 11 Exemplo, 40
Partio em Subproblemas (Branch), 11 Exemplo, 40
Novas Parties, 11 Exemplo, 41
Conceito de Limitao (Bound), 11 Inversa de uma Matriz, 41
Exemplo, 11 Exemplo, 41
Algoritmo Branch and Bound para Modelos com Variveis Sistemas de Equaes Lineares, 41
Binrias, 12 Exemplo, 41
Exemplo 1, 12 Sistemas Indeterminados, 42
Exemplo 2, 16 Exemplo, 42
Exerccios Propostos, 42
Exerccios Propostos, 19
Bibliografia, 43
Bibliografia, 20

Apndice B, 44
Captulo 11, Programao por Metas e REVISO DE CONCEITOS DE ESTATSTICA E
Otimizao com Objetivos Mltiplos, 21 PROBABILIDADE, 44
A Necessidade de Flexibilizar os Modelos de Programao Introduo, 44
Linear, 21 Estatstica Descritiva, 44
Programao por Metas, 21 Dados Discretos e Dados Contnuos, 44
Exemplo 1, 22 Distribuio de Frequncia, 44
Exemplo 2, 24 Medidas de Tendncia Central, 45
Medidas de Disperso, 46
Programao Linear com Objetivos Mltiplos, 25
Exemplo, 46
Exemplo 1, 26
Conceitos de Probabilidade, 47
Exemplo 2, 29
Probabilidade Subjetiva, 47
Processo de Hierarquizao Analtica (Mtodo AHP Analytic Probabilidade Lgica, 47
Hierarchy Process), 30 Probabilidade Experimental, 47
Hierarquizao Lgica de Critrios, 30 Eventos Mutuamente Excludentes, 47
Exemplo, 30 Exemplo, 47
Processo de Hierarquizao Analtica Mtodo AHP, 30 Eventos Independentes, 47
Exemplo 1, 31 Exemplos, 48
Exemplo 2, 32 Probabilidades Conjuntas e Marginais, 48
Exemplo 3, 32 Exemplos, 48
Exemplo 4, 32 Exemplos, 48
Estrutura do Mtodo Ahp, 33 Construo da Tabela de Probabilidades Conjuntas, 48
Apndice: Anlise do Teste de Consistncia, 33 Probabilidades Condicionais, 49
Exerccios Propostos, 35 Frmula de Bayes, 49
Bibliografia, 37 Exemplo, 49
Sumrio v

Distribuies de Probabilidades, 50 Exerccios Resolvidos, 84


Distribuio Binomial, 50 Exerccio 3, 85
Exemplos, 50 Exerccio 4, 85
Lei dos Grandes Nmeros, 50 Estudo de Caso 1, 85
Distribuio de Poisson, 51 Estudo de Caso 2, 87
Exemplo, 51
Exemplo, 52
Distribuio Normal, 52 Exerccios Resolvidos Captulo 7, 92
Exemplo, 52
Exemplos, 53 Exerccio 1, 92
Distribuio Exponencial Negativa, 54 Exerccio 2, 92
Exerccios Propostos, 54 Exerccios Resolvidos, 92
Bibliografia, 55 Exerccio 3, 94
Exerccio 4, 96

Exerccios Resolvidos Captulo 3, 56


Exerccios Resolvidos Captulo 8, 99
Exerccio 1, 56
Soluo, 56 Exerccio 1, 99
Soluo, 56 Exerccios Resolvidos, 99
Exerccios Resolvidos, 56 Exerccio 2, 100
Soluo, 57 Concluses, 103
Soluo, 57 Exerccio 3, 103
Soluo, 58
Exerccio 2, 58
Soluo, 58 Exerccios Resolvidos Captulo 9, 107
Soluo, 59 Exerccio 1, 107
Soluo, 60 Exerccios Resolvidos, 107
Exerccio 3, 61 Exerccio 2, 109
Questes:, 61 Exerccio 3, 111
Exerccio 4, 61 Exerccio 4, 113
Questes:, 61 Exerccio 5, 115
Soluo, 62 Exerccio 6, 117
Exerccio 5, 63 Exerccio 7, 120
Exerccio 8, 122
Exerccios Resolvidos Captulo 4, 67
Exerccio 1, 67 Exerccios Resolvidos Captulo 10, 124
Exerccios Resolvidos, 67 Parte 1: Modelagem, 124
Exerccio 2, 68 Exerccio 1, 124
Exerccio 3, 69 Exerccios Resolvidos, 124
Exerccio 4, 70 Exerccio 2, 125
Exerccio 5, 71 Exerccio 3, 126
Exerccio 6, 71 Exerccio 4, 127
Exerccio 7, 71 Exemplo, 127
Exerccio 8, 72 Exerccio 5, 127
Exerccio 9, 73

Exerccios Resolvidos Captulo 11, 133


Exerccios Resolvidos Captulo 5, 75
Exerccio 1, 133
Exerccio 1, 75
Exerccios Resolvidos, 133
Soluo, 75
Exerccio 2, 134
Soluo inicial pelo mtodo do custo mnimo, 75
Exerccio 3, 134
Exerccios Resolvidos, 75 Exerccio 4, 134
Soluo inicial pelo mtodo do canto noroeste, 76 Exerccio 5, 135
Exerccio 2, 78 Exerccio 6, 136
Soluo pelo Mtodo das Contribuies Unitrias (Stepping
Stone):, 78
Exerccio 3, 80 Exerccios Resolvidos (planilhas de excel)
Exerccio 4, 82
Templates de Planilhas em MS-Excel
Exerccios Resolvidos Captulo 6, 84 Transparncias em MS-PowerPoint
Exerccio 1, 84
Exerccio 2, 84
3 Exerccios Resolvidos
Exerccio 1 1.2 Achar x1 e x2 de forma a
Resolva os modelos abaixo pelo mtodo grfico. Encontre as coor- Maximizar Z 4 x1 8 x2
denadas dos pontos correspondentes s solues timas por meio Sujeito a: 2 x1 0,5 x2 10
dos sistemas de equaes das restries atendidas sem folga. 4 x1 2 x2 0
1.1 Achar x1 e x2 de forma a x1 5 x2 0
x1 2 x2 10
Maximizar Z 3 x1 6 x2 x1 0
Sujeito a: 9 x1 8 x2 72 x2 0
x 2 6
5 x1 4 x2 20
Soluo
2 x1 4 x2 0
x1 0
x2 0

Soluo

Equaes para determinao dos pontos timos:

Equaes para determinao das coordenadas:


1. Soluo tima: {
4 x1 2 x 2 0
x1 2 x 2 10

{9 x1 8 x 2 72
x2 6 { x 2 x 10
2. Soluo tima: 2 x1 0, 5 x 2 10
1 2
Exerccios Resolvidos 57

1.3 Achar x1 e x2 de forma a 1.4 Achar x1 e x2 de forma a


Maximizar Z 2 x1 5 x2 Maximizar Z 5 x1 3 x2
Sujeito a: 8 x1 8 x2 64 Sujeito a: 5 x1 4 x2 40
6 x1 5 x2 30 2 x2 16
4 x1 3 x2 12 2 x1 3 x2 6
x1 4 x2 0 2 x1 x2 0
x1 0 x1 0
x2 0 x2 0

Soluo Soluo

Equaes para determinao do ponto timo: Equaes para determinao do ponto timo:

{ 8 x1 8 x 2 64
6 x1 5 x 2 30 {2 x1 x 2 0
5 x1 4 x 2 40
58 Captulo Trs

1.5 Achar x1 e x2 de forma a Soluo


Maximizar Z 10 x1 2 x2 A. Incluso das variveis de folga:
Sujeito a: 10 x1 4 x2 40 Max L 8 x1 10 x2 6 x3 0 x4 0 x5 0 x6
8 x1 2 x2 0 Sujeito a:
x2 6
x1 3 x2 0 x1 x3 x4 400
4 x1 4 x2 2 x3 x5 1200
x1 0
3 x1 3 x2 x6 600
x2 0
com x1, x2, x3, x4, x5 e x6 0
Soluo
B. Etapas do Mtodo Simplex:

Soluo inicial

BaSE x1 x2 x3 x4 x5 x6 b
x4 1 0 1 1 0 0 400
x5 4 4 2 0 1 0 1200
x6 3 3 0 0 0 1 600
L 8 10 6 0 0 0 0

x1 0; x2 0; x3 0; x4 400; x5 1200; x6 600 e L 0


a. Varivel que entra: x2
1200 600
b. Varivel que sai: 300 200
4 3
Sai x6

2. Soluo

Equaes para determinao do ponto timo:


BaSE x1 x2 x3 x4 x5 x6 b

{ x1 3 x 2 0
10 x1 4 x 2 40
x4
x5
1
0
0
0
1
2
1
0
0
1 4
0 400
400
3
Exerccio 2 x2 1 1 0 0 0 1 200
3
Resolva os modelos abaixo pelo mtodo Simplex
L 2 0 6 0 0 10 2000
2.1 Achar x1, x2 e x3 de forma a: 3
Maximizar L 8 x1 10 x2 6 x3,
respeitando as restries: Variveis fora da base: x1 0, x2 0, x6 6
Variveis na base: x4 4000, x5 400, x3 200, L 2000
x1 x3 400
4 x1 4 x2 2 x3 1200 a. Varivel que entra: x3
3 x1 3 x2 600 400 400
b. Varivel que sai: 400 200
com x1, x2 e x3 0 1 2
Sai x5
Exerccios Resolvidos 59

3.a Soluo B. Etapas do Mtodo Simplex

Soluo inicial
BaSE x1 x2 x3 x4 x5 x6 b
x6 0 2 0 1 0 0 400
x3 2 4 1 0 1 0 1600
x2 0 2 2 0 0 1 600
L 10 8 4 0 0 0 600

Variveis fora da base: x1 0, x2 0, x3 0


Varivel fora da base: x1 0, x5 0, x6 0 Variveis na base: x4 400, x5 1600, x6 600 e L 0
Varivel na base: x4 400, x3 200, x2 200 e L 3200
a. Varivel que entra: x1
a. Varivel que entra: x6
400 1600
200 200 b. Varivel que sai: 400 800
b. Varivel que sai:
2
300,
1
600 1 2
3
3 Sai x 4

Sai x 4
2.a Soluo
BaSE x1 x2 x3 x4 x5 x6 b BaSE x1 x2 x3 x4 x5 x6 b

x6 3 0 0 3 3 1 300 x1 1 2 0 1 0 0 400
2 2 4
x5 0 0 1 2 1 0 800
x3 1 0 1 1 0 0 400
x6 0 2 2 0 0 1 600
x2 1 1 0 1 1 0 100
2 2 4 L 0 12 4 10 0 0 4000
L 3 0 0 1 5 0 3400
2
Variveis fora da base: x2 0, x3 0, x4 0
Soluo tima Variveis na base: x1 400, x5 800, x6 600 e L 4000
Variveis fora da base: x1 0, x5 0, x4 0
a. Varivel que entra: x3
Variveis na base: x6 300, x3 400, x2 100 e L 3400
800 600
2.2 Achar x1, x2 e x3 de forma a: b. Varivel que sai: 800 300
1 2
Maximizar L 10 x1 8 x2 4 x3, Sai x6

respeitando as restries:
3.a Soluo
x1 2 x2 400 BaSE x1 x2 x3 x4 x5 x6 b
2 x1 4 x2 x3 1600
2 x2 2 x3 600 x1 1 2 0 1 0 0 400
com x1, x2 e x3 0 x5 0 1 0 2 1 1 500
2
Soluo x3 0 1 1 0 0 1 300
2
A. Incluso das variveis de folga:
L 0 16 0 10 0 2 5200
Max L 10 x1 8 x2 4 x3 0 x4 0 x5 0 x6,
Sujeito a:
x1 2 x2 x4 400 Soluo tima
2 x1 4 x2 x3 x5 1600 Variveis fora da base: x2 0, x4 0, x6 0
2 x2 2 x3 x6 600 Variveis na base: x1 400, x5 500, x3 300 e L 5200
com x1, x2, x3, x4, x5 e x6 $ 0
60 Captulo Trs

2.3 Como temos outra soluo tima, vamos calcul-la:


Maximizar L 8 x1 5 x2 10 x3
a. Varivel que entra: x2
Sujeito a:
160 30
4 x1 4 x2 160 b. Varivel que sai: 40 60 Sai x 4
4 1
6 x1 3 x2 6 x3 180 2
2 x1 2 x3 60
com x1, x2 e x3 0

Soluo
A. Incluso das variveis de folga:
Max L 8 x1 5 x2 10 x3 0 x4 0 x5 0 x6
Sujeito a:
4 x1 4 x2 x4 160
6 x1 3 x2 6 x3 x5 180
2 x1 2 x3 x6 60
2.a Soluo tima
com x1, x2, x3, x4, x5 e x6 0 Variveis fora da base: x1 0, x4 0, x5 0
B. Etapas do Mtodo Simplex Variveis na base: x2 40, x3 10, x6 40 e L 300
Observe que se tivssemos escolhido retirar x6 da base na 2.
Soluo inicial soluo, em vez de x5, teramos realizado um passo a mais, co-
mo demonstrado a seguir:

Variveis fora da base: x1 0, x2 0, x3 0


Variveis na base: x4 160, x5 180, x6 60 e L 0
a. Varivel que entra: x3 a. Varivel que entra: x2
180 60
b. Varivel que sai: 30 30 0 160
b. Varivel que sai: 0 40
6 2
3 4
Sai x5
Sai x5

a. Varivel que entra: x2


Soluo tima
160 30
Variveis fora da base: x1 0, x2 0, x5 0 b. Varivel que sai: 40 60
4 1
Variveis na base: x4 160, x3 30, x6 0 e L 300 2
Sai x 4
Exerccios Resolvidos 61

Soluo tima
x1 32
x2 96 Z 1216
x1 0
y2 0
y3 56
B. Para x3 1 x1 2/5
x2 4/5
Para x3 40 x1 2/5 40 16
Exerccio 3 x2 24/5 40 32
O modelo e um dos quadros da soluo pelo Mtodo Simplex x1novo 48
so apresentados a seguir. Com base neles, resolva as questes x2novo 64
propostas.
C. x2novo 80 x2 80 96 16
Modelo Para x3 1 x2 4/5, com x2 16, teremos
Maximizar Z 8 x1 10 x2 4 x3 16
x3 20
Sujeito a: 3 x1 4 x2 2 x3 480 (Recurso A) 4 / 5
4 x1 2 x2 320 (Recurso B) 12
2 x1 1 x3 120 (Recurso C) D. Z para recurso B:
5
em que x1, x2 e x3 0 so as quantidades a serem produzidas dos 1
Z para recurso C:
Produtos 1, 2 e 3, respectivamente. 5
2
Quadro x2 100 40 x2N 136
5
2
x1 100 20 x1N 12
5
2
y3 100 40 y3N 96
5
12
Z 100 240 ZN 1456
5
Exerccio 4
Uma empresa produz dois tipos de um determinado produto
que chamaremos de Tipo W e Tipo Z. Esses produtos so ven-
Questes: didos no mercado dando um lucro unitrio lquido de $24,00
A. Complete a soluo, caso a atual no seja tima. para o Tipo W e $30,00 para o Tipo Z. O setor de planejamento
B. A partir da soluo tima, caso a empresa queira produzir elaborou o seguinte modelo de programao linear para a for-
40 unidades de Produto 3, quais so os novos valores das mulao da programao diria de produo, levando em conta
produes dos Produtos 1 e 2? que a empresa registra em sua linha de produo, restries
C. Caso a produo do Produto 2 no possa ser inferior a 80 em somente trs equipamentos importantes, que chamaremos
unidades, qual o maior valor de produo do Produto 3 de Mquinas A, B e C, cujas disponibilidades podem ser vis-
possvel? Justifique. tas no prprio modelo.
D. Caso a empresa possa acrescentar mais 100 unidades a algum Maximizar L = 24 x1 30 x2
recurso, qual dever ser o escolhido? Nesse caso, quais so Sujeito a: 3 x1 2 x2 360 (Mquina A)
os novos valores da soluo tima? 4 x1 5 x2 600 (Mquina B)
2 x2 160 (Mquina C)
Respostas x1 0
x2 0

Questes:
A. Inclua as variveis de folga e resolva os sistemas de equaes
lineares, atribuindo o valor zero a todas as combinaes de
(n m) variveis.
B. Identifique as solues timas e as solues inviveis.
62 Captulo Trs

C. Para as solues timas, calcule as utilizaes percentuais seriam as sobras de recursos e a variao no valor do lucro
das mquinas. final?
D. No sistema n. 8, caso os valores de produo dos produtos E. Em um grfico, identifique todos os pontos correspondentes
sejam arredondados para os inteiros mais prximos, quais s solues.

Soluo
Questes A e B:

SISTEMA HIPTESE SOLUO SISTEMA HIPTESE SOLUO


1 x1 0 y1 360 6 x2 0 x1 150
x2 0 y2 600 y2 0 y1 90
y3 160 y3 160
L0
2 x1 0 x2 180 7 x2 0 INVIVEL
y1 0 y2 300 y3 0
y3 200
3 x1 0 x2 120 8 y1 0 x1 600/7
y2 0 y1 120 y2 0 x2 360/7 Soluo
y3 80 y3 400/7 1 tima
L 3600
4 x1 0 x2 80 9 y1 0 x1 200/3
y3 0 y1 200 y3 0 x2 80
y2 200 y2 200/3
L 2400
5 x2 0 x1 120 10 y2 0 x1 50
y1 0 y2 120 y3 0 x2 80 Soluo
y3 160 y1 50 1 tima
L 2880 L 3600

C. 1. Soluo D. x1 600/7, arredondando: 86


x1 600/7 Mquina 1: y1 0, logo: utilizao 100 % x2 360/7, arredondando: 51
y1novo 360 3 86 2 51 0
x2 360/7 Mquina 2: y2 0, logo: utilizao 100 %
400 y2novo 600 4 86 5 51 1
x3 400/7 Mquina 3: y3 0, logo: utilizao 160 y3novo 160 2 51 58
7
102,86 (64,3 %) Variao no lucro: L (24 86 30 51) 3600 6

2. Soluo
x1 50 Mquina 2: y2 0, logo: utilizao 100 %
x2 80 Mquina 3: y2 0, logo: utilizao 100 %
x3 50 Mquina 1: y1 50, logo: utilizao 360 50
310 (86,1 %)
Exerccios Resolvidos 63

E.

Exerccio 5 Os coeficientes da funo objetivo artificial so calculados como:


Resolva os problemas seguintes pelo mtodo das duas fases. 4 x1 3 x2 x3 w1 6
6 x1 2 x2 w2 6
5.1 Achar x1 e x2 de forma a:
(10 x1 5 x2 x3) 0w1 0w2 12
Minimizar Z 4 x1 2 x2
Sujeito a: 4 x1 3 x2 6
Fase I do mtodo Simplex
6 x1 2 x2 6
2 x1 4 x2 6, Soluo inicial
com x1 e x2 0
Como no temos uma base inicial para o Mtodo Simplex, va- BaSE x1 x2 x3 x4 w1 w2 b
mos introduzir, alm das variveis de folga, duas variveis arti-
w1 4 3 1 0 1 0 6
ficiais para criarmos uma soluo bsica inicial:
w2 6 2 0 0 0 1 6
Minimizar Z 4 x1 2 x2
Sujeito a: 4 x1 3 x2 x3 w1 6 x4 2 4 0 1 0 0 6
6 x1 2 x2 w2 6
Z 4 2 0 0 0 0 0
2 x1 4 x2 x4 6
Za 10 5 1 0 0 0 12
com x1, x2, x3, x4, w1 e w2 $ 0
64 Captulo Trs

a. Varivel que entra: x1 Fase II do Mtodo Simplex


16 6
b. Varivel que sai: 1, 5 1 BaSE x1 x2 x3 x4 w1 w2 b
4 6

Sai w2
x2 0 1 3 0 3 2 6
5 5 5 5
2. Soluo x1 1 0 1 0 1 3 3
5 5 10 5
BaSE x1 x2 x3 x4 w1 w2 b x4 0 0 2 1 2 1 0
w1 0 5 1 0 1 2 2 2 2 2 24
3 3 Z 0 0 5 0 5 5 5
x1 1 1 0 0 0 1 1
3 3
x4 0 10 0 1 0 1 4 Analisando esse quadro, percebemos que todos os coeficientes
3 3 das variveis originais do problema (x1, x2, x3 e x4) apresentam
Z 0 2 0 0 0 2 4 valores nulos ou negativos. Isso significa que a soluo encon-
3 3
5 5 trada tima.
Za 0 3 1 0 0 3 2
Soluo tima
Variveis fora da base: x2 0, x3 0, w2 0 Variveis fora da base: x3 0
Variveis na base: x1 1, x4 4, w1 2, Z 4 e Za 22 3 6 24
Variveis na base: x1 , x2 , x4 0 e Z
5 5 5
a. Varivel que entra: x2
5.2 Achar x1 e x2 de forma a:
2 6 1 10 6
b. Varivel que sai: ; 3 e
5 5 1 10 5 Minimizar Z 3 x1 4 x2
3 3 3 Sujeito a: 8 x1 4 x2 32
Sai w1
4 x1 6 x2 24
3.a Soluo
com x1 e x2 0
BaSE x1 x2 x3 x4 w1 w2 b
Introduzindo as variveis de folga e as duas variveis artificiais,
x2 0 1 3 0 3 2 6 para criarmos uma soluo bsica inicial:
5 5 5 5
x1 1 0 1 0 1 3 3 Minimizar Z 3 x1 4 x2
5 5 10 5
Sujeito a: 8 x1 4 x2 x3 w1 32
x4 0 0 2 1 2 1 0 4 x1 6 x2 x4 w2 24
Z 0 0 2 0 2 2 24 com x1, x2, x3, x4, w1 e w2 $ 0
5 5 5 5
Za 0 0 0 0 1 1 0
Fase I do Mtodo Simplex

Variveis fora da base: x3 0, w1 0, w2 0 Soluo inicial


3 6 24
Variveis na base: x1 , x2 , x4 0 e Z BASE x1 x2 x3 x4 w1 w2 b
5 5 5
Como o valor da funo objetivo artificial 0 e as variveis w1 8 4 1 0 1 0 32
tambm tm valor 0, obtivemos nossa primeira soluo vivel w2 4 6 0 1 0 1 24
do problema original. Dessa forma, podemos eliminar as vari
veis artificiais e a funo objetivo artificial e dar sequncia Z 3 44 0 0 0 0 0
segunda fase do Mtodo Simplex. Za 12 10 1 1 0 0 56
Observao: Para podermos comparar os resultados do Solver,
vamos manter os coeficientes finais das variveis
a. Varivel que entra: x1
artificiais, uma vez que os valores dos Custos
Reduzidos e dos Preos Sombra so obtidos 32 24
b. Varivel que sai: 4; 6
pelos valores das variveis da base original, na 8

4
funo Z transformada. Sai w1
Exerccios Resolvidos 65

2. Soluo Como no temos uma base inicial para o Mtodo Simplex, va-
mos introduzir, alm das variveis de folga, duas variveis arti-
BASE x1 x2 x3 x4 w1 w2 b ficiais para criarmos uma soluo bsica inicial:
x1 1 1 1 0 1 0 4 Minimizar Z 6 x1 4 x2 2 x3
2 8 8
1 1 Sujeito a: 2 x1 4 x3 x4 w1 20
w2 0 4 2 1 2 1 8 2 x1 3 x2 x3 x5 w1 17
Z 0 5 3 0 3 0 12 com x1, x2, x3, x4, x5, w1 e w2 0
2 8 8
Za 0 4 1 1 3 0 8
2 2 Fase I

BaSE x1 x2 x3 x4 x5 w1 w2 b
a. Varivel que entra: x2
4 8 w1 2 0 4 1 0 1 0 20
b. Varivel que sai: 8; 2
1 4

2 w2 2 3 1 0 1 0 1 17
Sai w2

Z 6 4 2 0 0 0 0 0
3.a Soluo
Za 4 3 5 1 1 0 0 37
BASE x1 x2 x3 x4 w1 w2 b
a. Varivel que entra: x1
x1 1 0 3 1 3 1 3
16 8 16 8 20 17
b. Varivel que sai: 10; 8, 5
x2 0 1 1 1 1 1 2 2 2
8 4 8 4 Sai w2

Z 0 0 1 5 1 5 17
16 8 16 8 BaSE x1 x2 x3 x4 x5 w1 w2 b
Za 0 0 0 0 1 1 0 w1 0 3 3 1 1 1 1 3

x1 1 3 1 0 1 0 1 17
Eliminando a funo objetivo artificial e analisando a funo 2 3 2 2 2
Z transformada, percebemos que a soluo desse quadro tima:
Z 0 5 1 0 3 0 3 51
x1 3, x2 2, x3 0, x4 0 e Z 17.
Em um grfico, podemos visualizar a soluo: Za 0 3 3 1 1 0 2 3

a. Varivel que entra: x3


17
3 2 17
b. Varivel que sai: 1;
3 1
2
Sai w1

BaSE x1 x2 x3 x4 x5 w1 w2 b

x3 0 1 1 1 1 1 1 1
3 3 3 3
x1 1 2 0 1 2 1 2 8
6 3 6 3
Z 0 6 0 1 10 1 10 50
3 3 3 3
Za 0 0 0 0 0 1 1 0

Eliminando a funo objetivo (mantendo as variveis artificiais para


compararmos com o Solver), temos o quadro inicial da Fase II.
5.3 Achar x1, x2 e x3 de forma a: Fase II
Minimizar Z 6 x1 4 x2 2 x3
BaSE x1 x2 x3 x4 x5 w1 w2 b
Sujeito a: 2 x1 4 x3 20
2 x1 3 x2 x3 17 x3 0 1 1 1 1 1 1 1
3 3 3 3
com x1, x2 e x3 0 x1 1 2 0 1 2 1 2 8
6 3 6 3
Z 0 6 0 1 10 1 10 50
3 3 3 3
66 Captulo Trs

a. Varivel que entra: x2 a. Varivel que entra: x2


b. Varivel que sai: x1 6 6
b. Varivel que sai: 1; 1, 2
6
5
BaSE x1 x2 x3 x4 x5 w1 w2 b Sai w1

x3 1 0 1 1 0 1 0 5 BaSE x1 x2 x3 x4 x5 w1 w2 b
2 4 4
x2 1 1 0 1 11 1 1 4 x2 0 1 0 0 1 1 1 1
2 12 3 12 3 6 6 6
Z 3 0 0 1 4 1 4 26 x4 0 0 1 1 1 5 1 1
6 3 6 3 6 6 6
x1 1 0 1 0 1 1 1 4
5.4 Achar x1, x2 e x3 de forma a: 6 3 6

Minimizar Z 10 x1 6 x2 2 x3 Z 0 0 12 0 2 13 2 46
3 3 3
Sujeito a: 2 x1 2 x2 2 x3 10
2 x1 x2 3 x3 10 Za 0 0 0 0 0 1 1 0
2 x1 4 x2 2 x3 4
com x1, x2 e x3 0 Eliminando a funo objetivo artificial, podemos iniciar a Fase
II. Vamos manter os coeficientes das variveis artificiais para
Como no temos uma base inicial para o Mtodo Simplex, va- podermos comparar com os coeficientes da funo Z transfor-
mos introduzir, alm de uma varivel de folga, duas variveis mada do Solver.
artificiais para criarmos uma soluo bsica inicial:
Fase II
Minimizar Z 10 x1 6 x2 2 x3
Sujeito a: 2 x1 2 x2 2 x3 w1 10
2 x1 x2 3 x3 x4 10 BaSE x1 x2 x3 x4 x5 w1 w2 b
2 x1 4 x2 2 x3 x5 w2 4 x2 0 1 0 0 1 1 1 1
com x1, x2, x3, x4, x5, w1 e w2 $ 0 6 6 6
x4 0 0 1 1 1 5 1 1
Fase I 6 6 6
BaSE x1 x2 x3 x4 x5 w1 w2 b x1 1 0 1 0 1 1 1 4
6 3 6
w1 2 2 2 0 0 1 0 10 Z 0 0 12 0 2 13 2 46
3 3 3
x4 2 1 3 1 0 0 0 10

w2 2 4 2 0 1 0 1 4 c. Varivel que entra: x3


1 4
Z 10 6 2 0 0 0 0 0 d. Varivel que sai: 1; 4
1 1
Za 4 2 4 0 1 0 0 14 Sai x 4

BaSE x1 x2 x3 x4 x5 w1 w2 b
a. Varivel que entra: x1
10 10 4 x2 0 1 0 0 1 1 1 1
b. Varivel que sai: 5; 5; 2 6 6 6
2 2 2

Sai w2
x3 0 0 1 1 1 5 1 1
6 6 6
BaSE x1 x2 x3 x4 x5 w1 w2 b x1 1 0 0 1 1 7 1 3
3 6 3
w1 0 6 0 0 1 1 1 6 Z 0 0 0 12 8 43 8 34
3 3 3
x4 0 5 1 1 1 0 1 6

x1 1 2 1 0 1 0 1 2 Soluo tima
2 2
x1 3; x2 1; x3 1; x4 0; x5 0 e Z 34.
Z 0 26 12 0 5 0 5 20

Za 0 6 0 0 1 0 2 6
4 Exerccios Resolvidos
Exerccio 1 Resoluo do dual:
Vamos calcular o dual para o Exerccio Resolvido 2.1 do Cap. 3. Incluso das variveis de folga e artificiais:
Problema Primal Minimizar z 1.200 y1 400 y2 600 y3
Sujeito a: 1 y1 4 y2 3 y3 y4 w1 8
Achar x1, x2 e x3 de forma a: 4 y2 3 y3 y5 w2 10
Maximizar Z 8 x1 10 x2 6 x3, 1 y1 2 y2 y6 w3 6
respeitando as restries: Variveis Funo objetivo artificial:
Duais
x1 x3 1200 Recurso A y1 zA 2 y1 10 y2 6 y3 1 y4 1 y5 1 y6 0 w1
4 x1 4 x2 2 x3 400 Recurso B y2 0 w2 0 w3 24
3 x1 3 x2 600 Recurso C y3 Quadro inicial do Simplex:
com x1, x2 e x3 0
BASE y1 y2 y3 y 4 y5 y 6 w 1 w 2 w 3 b
Interpretao:
w1 1 4 3 1 0 0 1 0 0 8
Variveis: x1, x2 e x3 so as quantidades a produzir dos
Produtos 1, 2 e 3. w2 0 4 3 0 11 0 0 1 0 10
Coeficientes da funo objetivo: 8, 10 e 6 so os lucros w3 1 2 0 0 0 1 0 0 1 6
unitrios produzidos pelos Produtos 1, 2 e 3, respectiva-
mente. z 400 1200 600 0 0 0 0 0 0 0
Termos independentes: 1200, 400 e 600 so as disponibi- zA 2 10 6 1 1 1 0 0 0 24
lidades dos recursos A, B e C, respectivamente.
Coeficientes das restries: so os consumos de recursos Varivel que entra: y2
para a produo de uma unidade de cada produto.
Varivel que sai:
Problema dual:
Minimizar z 1.200 y1 400 y2 600 y3
Sujeito a: 1 y1 4 y2 3 y3 8 (Produto 1) BASE y1 y2 y3 y4 y5 y 6 w1 w2 w3 b
4 y2 3 y3 10 (Produto 2)
1 y1 2 y2 6 (Produto 3) y2 1 1 3 14 0 0 1 0 0 2
4 4 4
com y1, y2 e y3 0
w2 11 0 0 1 1 0 1 1 0 2
Interpretao: 1
w3 2 0 32 1
2 0 1 12 0 1 2
Variveis: y1, y2 e y3 so os valores atribudos a cada
unidade dos recursos A, B e C, respectivamente, em fun- z 100 0 300 300 0 0 300 0 0 2400
o da importncia econmica marginal de cada um para zA 1 0 3 32 1 1 5 0 0 4
a construo do lucro total Z. 2 2 2
Funo objetivo z: o valor total do estoque de recursos,
Varivel que entra: y4
em termos dos valores atribudos.
Lado esquerdo das restries: avaliao do contedo Varivel que sai:
de recurso de cada produto, em termos dos valores
atribudos.
68 Captulo Quatro

BASE y1 y2 y3 y4 y5 y6 w1 w2 w3 b A. Conforme a interpretao econmica dos resultados do Simplex


(Cap. 3), podemos ver nesse quadro que o Produto 1 apresenta
y2 0 1 3 0 14 0 0 1 0 5 um lucro marginal igual a 3, o Recurso A apresenta uma uti-
4 4 2
lidade marginal (valor) igual a 1 e o Recurso B igual a 2,5.
y4 11 0 0 1 1 0 1 1 0 2
B. No caso dos recursos, tais valores aparecem no quadro final
w3 1 0 32 0 1
2 1 0 12 1 1 da soluo do dual como y1 1 (varivel dual corresponden-
te ao Recurso A) e y2 2,5 (varivel dual do Recurso B).
z 400 0 300 0 300 0 0 300 0 3000 C. Como essas duas restries so mais fortes do que a restrio
3 do Recurso C, que tem folga (x6 300), elas definiram os
zA 1 0 2 0 12 1 1 3
2 0 1
valores dos recursos, e isso pode ser visto no dual onde as
avaliaes dos contedos de recursos dos Produtos 2 e 3 so
Varivel que entra: y1 exatamente iguais aos lucros unitrios correspondentes.
D. No caso do Produto 1, observamos que o valor do contedo
Varivel que sai: w3
de recurso por unidade (11) superior ao lucro unitrio
BASE y1 y 2 y3 y4 y5 y6 w1 w2 w3 b correspondente. A diferena (y4 3) exatamente o lucro
marginal negativo comentado na letra A.
y2 0 1 3 0 14 0 0 1 0 5 E. O valor atribudo ao Recurso C zero, porque uma variao
4 4 2
unitria em sua disponibilidade no causa efeito algum no lu-
y4 0 0 32 1 12 1 1 1
2 1 3 cro total (porque tem folga). No entanto, se quisermos atribuir
y1 1 0 32 0 12 1 0 12 1 1 um valor igual a 1 a esse recurso o estoque total de recursos
passar a ter o valor de 3.700, e para que os valores dos con-
z 0 0 300 0 100 400 0 100 400 3400 tedos dos Produtos 2 e 3 continuem iguais aos lucros unitrios
os valores atribudos aos demais recursos devero ser:
zA 0 0 0 0 0 0 1 1 1 0
Recurso B: e Recurso A:
Eliminando a funo objetivo artificial, temos o seguinte quadro
(os coeficientes das variveis artificiais foram mantidos): Exerccio 2
BASE y1 y 2 y3 y4 y5 y6 w1 w2 w3 b Vamos calcular o dual do Exerccio Resolvido 5.1 do Cap. 3 e
encontrar a soluo.
y2 0 1 3 0 14 0 0 1 0 5
4 4 2 (Exerccio 5.1)
y4 0 0 32 1 12 1 1 1
2 1 3 Minimizar z 4 y1 2 y2
Sujeito a: 4 y1 3 y2 6
y1 1 0 32 0 12 1 0 12 1 1
6 y1 2 y2 6
z 0 0 300 0 100 400 0 100 400 3400 2 y1 4 y2 6
com y1 e y2 0

Como todos os coeficientes da funo Z transformada so nega- Variveis
Transformando:
tivos ou nulos, a soluo atual tima. Duais
Minimizar z 4 y1 2 y2
y1 1; y3 0; y4 3; y5 0; y6 0 e z 3.400. Sujeito a: 4 y1 3 y2 6 x1
6 y1 2 y2 6 x2
Anlise comparativa primal dual 2 y1 4 y2 6 x3
com y1 e y2 0
Para interpretarmos os resultados do problema dual e podermos
comparar com os resultados obtidos na resoluo do problema Dual:
prima vamos reproduzir o quadro final do problema primal Maximizar Z 6 x1 6 x2 6 x3
(Cap. 3 Exerccios Resolvidos 2.1). Sujeito a: 4 x1 6 x2 2 x3 4
Quadro final do primal: 3 x1 2 x2 4 x3 2
com x1 e x3 0 e x2 sem restrio de sinal.
BASE x 1 x 2 x 3 x4 x5 x6 b Resoluo do dual:
x6 3 0 0 3 34 1 300
2 2 BASE x1 x2 x3 x4 x5 b
x3 1 0 1 1 0 0 400 x4 4 6 2 1 0 4
x2 1 1 0 12 1 0 100 x5 3 2 4 0 1 2
2 4
L 3 0 0 1 5 0 3400 Z 6 6 6 0 0 0
2
Exerccios Resolvidos 69

Varivel que entra: x1 BASE x1 x2 x3 x4 x5 x6 B


Varivel que sai: logo sai x5 x4 2 2 2 1 0 0 10

x5 2 1 4 0 1 0 6
BASE x1 x2 x3 x4 x5 b
x6 2 33 2 0 0 1 2
x4 0 10 10 1 4 3 4
3 3 3 Z 10 10 4 0 0 0 0
x1 1 2 4 3 0 1 2
3 3 3
Z 0 2 14 0 2 4 Varivel que sai: x6

Varivel que entra: : x2 (menor valor absoluto do quociente).


Varivel que entra: x2

BASE x1 x2 x3 x4 x5 x6 B
Varivel que sai:
x4 2 0 2 1 0 23 34
3 3 3
x5 4 0 14 0 1 13 20
3 3 3
BASE x1 x2 x3 x4 x5 b
x2 23 1 23 0 0 13 2
x2 0 1 1 3 3
10 2 5
2
5
Z 10 3 0 8 0 0 10 20 3
x1 1 0 2 3 3
15 3
5
2
5
Z 0 0 16 3 6 24 Varivel que entra: x1
5 5 5
Varivel que sai: sai: x5.
Exerccio 3
Vamos calcular o dual do Exerccio no 5.4 do Cap. 3 Exerc-
cios Resolvidos e obter sua soluo. BASE x1 x2 x3 x4 x5 x6 B

(Exerccio 5.4) x4 0 0 3 1 12 12 8
Minimizar z 10 y1 6 y2 2. y3
x1 1 0 73 0 3 14 5
Sujeito a: 2 y1 2 y2 2 y3 10 4
2 y1 y2 3 y3 10
x2 0 1 3 0 1 12 4
2 y1 4 y2 2 y3 4 2
com y1, y2 e y3 0
Z 0 0 9 0 5 5 10
2 2
Variveis
Transformando, temos: Duais
Varivel que entra: x3
Minimizar z 10 y1 6 y2 2 y3
Varivel que sai: x4 (nica possibilidade).
Sujeito a: 2 y1 2 y2 2 y3 10 x1
2 y1 y2 3 y3 10 x2
BASE x1 x2 x3 x4 x5 x6 B
2 y1 4 y2 2 y3 4 x3
com y1, y2 e y3 0 x3 0 0 1 1 16 16 8
3 3
Dual: x1 1 0 0 7 1 5 43
6 6 6 3
Maximizar Z 10 x1 10 x2 4 x3
x2 0 1 0 1 0 1 12
Sujeito a: 2 x1 2 x2 2 x3 10
2 x1 x2 4 x3 6 Z 0 0 0 3 1 1 34
2 x1 3 x2 2 x3 2
com x2 e x3 0 e x1 sem restrio de sinal. Soluo tima:
Como temos um valor negativo no lado direito, temos que utili-
x3 x1 x2 12; x4 0; x5 0; x6 0 e z 34.
zar o mtodo Dual-Simplex.
70 Captulo Quatro

A soluo tima do problema original de minimizao (Cap. BASE x1 x2 x3 x4 x5 x6 b


3 Exerccios Resolvidos 5.4) :
x3 19 0 1 5 0 0 30
3 3
BASE x1 x2 x3 x4 x5 w1 w2 b
x2 1 1 0 13 0 0 2
x2 0 1 0 0 1 1 16 1 3
6 6
x5 5 3 0 0 13 1 0 2
x3 0 0 1 1 1 5 6 16 1
6
x6 73 0 0 1 0 1 2
x1 1 0 0 1 13 7 1 3 3
6 3
Z 5 3 0 0 4 3 0 0 8
Z 0 0 0 12 83 43 8 34
3 3

Soluo tima: x1 3; x2 1; x3 1; x4 0; x5 0 e z 34. Varivel que sai: x5

Sugerimos que o leitor realize uma anlise comparativa anloga


realizada no Exerccio 1. Varivel que entra:

Exerccio 4
Vamos resolver o modelo que se segue pelo mtodo Dual-Sim-
plex. BASE x1 x2 x3 x4 x5 x6 b
Maximizar Z 3 x1 4 x2 x3 0 0 1 2 19 0 112
Sujeito a: 8 x1 5 x2 40 5 5 5
x1 3 x2 6 x2 0 1 0 25 1
5 0 8
5
2 x1 1 x2 4 1
2 x1 1 x2 0 x1 1 0 0 5 35 0 6
5
com x1 e x2 0 x6 0 0 0 4 75 1 4
5 5
Incluindo as variveis de folga, temos
Z 0 0 0 1 1 0 10
Maximizar Z 3 x1 4 x2
Sujeito a: 8 x1 5 x2 x3 40
x1 3 x2 x4 6 Varivel que sai: x4
2 x1 1 x2 x 5 4
2 x1 1 x2 x 6 0 Varivel que entra: Entra x6
com x1, x2, x3, x4, x5 0
Resoluo do modelo:
BASE x1 x2 x3 x4 x5 x6 b
BASE x1 x2 x3 x4 x5 x6 b
x3 8 5 1 0 0 0 40 x3 0 0 1 0 9 12 22
2
x4 1 3 0 1 0 0 6 x2 0 1 0 0 12 1 2
2
x5 2 1 0 0 1 0 4
x1 1 0 0 0 14 14 1
x6 2 1 0 0 0 1 0
Z 3 4 0 0 0 0 0 x4 0 0 0 1 75 5 1
4
Z 0 0 0 0 114 5 11
Varivel que sai: x4 4

Varivel que entra: Varivel que entra: x5


Varivel que sai: x3
Exerccios Resolvidos 71

BASE x1 x2 x3 x4 x5 x6 b

x3 0 0 2 0 1 19 44 B e B1
9 9
x2 0 1 1 0 0 4 40
9 9 9
x1 1 0 1 0 0 5 18 20 Multiplicadores do Simplex:
18 9
x4 0 0 7 1 0 19 18 95
18 18
Z 0 0 11 0 0 17 220
18 18 9 j cB B1

Exerccio 5
No Exerccio 1, identifique a base B da soluo tima, sua in-
versa B21 e faa a comprovao de que o produto dessas duas
matrizes uma matriz identidade. Soluo tima:
Base final da soluo tima: B [Y2 Y4 Y1]
No modelo original do problema os coeficientes dos vetores da xB B1 b
base formam a seguinte matriz:

B [Y2 Y4 Y1] Exerccio 7


Vamos reproduzir aqui o primal do Exerccio 1 e o quadro final
de soluo. Com esses dados, vamos exercitar as aplicaes das
A inversa da base se encontra na posio originalmente ocupada quatro propriedades primal-dual;
pelos coeficientes das variveis artificiais, o que representou a Modelo:
primeira base do processo de soluo. No quadro final de so- Achar x1, x2 e x3 de forma a:
luo, encontramos:
Maximizar Z 8 x1 10 x2 6 x3,
respeitando as restries:
x1 x3 1200
B1 4 x1 4 x2 2 x3 400
3 x1 3 x2 600
com x1, x2 e x3 0

Verificao: Quadro final de soluo:

BASE x1 x2 x3 x4 x5 x6 b
B B1 I x6 3 0 0 3 34 1 300
2 2
x3 1 0 1 1 0 0 400
x2 1 1 0 12 1 0 100
Exerccio 6 2 4
No Exerccio 3 identifique a base B da soluo tima, sua in- L 3 0 0 1 5 0 3400
versa B21 e, com essas matrizes, calcule os multiplicadores do 2
simplex e a soluo tima.
1. Aplicao da Propriedade 1
Base tima: B [x3 x1 x2]
Passo 1: Coeficientes originais das variveis bsicas (x6, x3, x2):
72 Captulo Quatro

Passo 2: Inversa da base


Coeficiente de x3: 1 1 2 0060

Exerccio 8
B1 No modelo do Exerccio 7, vamos calcular as variaes permis-
sveis nos nveis dos recursos (termos independentes) de forma
a manter a mesma base da soluo tima. Vamos comparar os
valores com os produzidos no Relatrio de Sensibilidade do
Passo 3: Clculo dos multiplicadores do Simplex: MS-Excel-Solver.

Variaes permissveis no Recurso A


Superior:

4 1 0 1

5 0
6 0 0 0
Para x6: 600 D 900 600 0, logo: D 200
2. Aplicao da Propriedade 2: Clculo dos valores das vari-
veis bsicas Para x3: 400 D 0, logo: D 400

Para x2: 200 D 300 0, logo: D 200

Portanto, a variao mxima permissvel 200.


Inferior:

3. Aplicao da Propriedade 3: Clculo dos coeficientes de


uma varivel fora da base (x1)

Para x6: 600 D 900 600 0, logo: D 200

Para x3: 400 D 0, logo: D 400

Para x2: 200 D 300 0, logo: D 200


4. Aplicao da Propriedade 4: Clculo dos coeficientes da fun-
o Z transformada Portanto, a variao mnima permissvel 200.
a. Multiplicadores do Simplex:
Variaes permissveis no Recurso B
4 1
Superior:
5

6 0
b. Restries do dual relativas a x1, x2 e x3:
x1: 1 y1 4 y2 3 y3 8
x2: 4 y2 3 y3 10
x3: 1 y1 2 y2 6 Para x6: 600 900 D 600 0, logo: D 400
Os coeficientes da funo Z transformada so:
Para x3: 1200 D 0, logo: D 1200
Coeficiente de x1: 1 1 4 3083
Para x2: 200 300 D 0, logo: D 400

Coeficiente de x2: 0 1 4 3 0 10 0
Exerccios Resolvidos 73

Portanto, a variao mxima permissvel 400. Variaes nos coeficientes das variveis bsicas x3 e x2:
Inferior:
Acrscimo permissvel no coeficiente de x3:
a. Clculo dos novos multiplicadores do Simplex:

Para x6: 600 900 D 600 0, logo: D 400

Para x3: 1200 D 0, logo: D 1200 b. Multiplicadores para as variveis fora da base:

Para x2: 200 300 D 0, logo: D 400 Para x1: 1 1(D 1) 4 3 0 8 0, logo:
D 3
Portanto, a variao mxima permissvel 400. Para x4: 4 (D 1) 0 0, logo: D 1

Variaes permissveis no Recurso B Portanto: acrscimo permissvel no coeficiente de x3: ilimitado.

Superior: Como o Recurso C apresenta folga na soluo tima, Decrscimo no coeficiente de x3:
sua variao superior ilimitada.
Inferior:

Multiplicadores para as variveis fora da base:

Para x6: 600 900 600 D 0, logo: D 300 Para x1: 1 1(1 D) 4 3 0 8 0,
Portanto, a variao mxima permissvel 300. logo: D 3
Podemos verificar esses valores no Relatrio de Sensibilidade Para x4: 4 (1 D) 0 0, logo: D 1
do Solver (ver planilha a seguir).
Para x2: 2 0(1 D) 4 3 0 10 0
Exerccio 9
No modelo do Exerccio 7, vamos calcular as variaes permis- Para x3: 3 1(1 D) 2 0 0 (6 D) 0
sveis nos coeficientes da funo objetivo e compar-las com
os resultados do Solver. Portanto: decrscimo permissvel no coeficiente de x3: 1.
74 Captulo Quatro

Acrscimo no coeficiente de x2: Multiplicadores para as variveis fora da base:

Para x1: 1 3 0 8 0,

logo: D 6

Para x4: 4 0 0, logo: D 2

Multiplicadores para as variveis fora da base: Para x5: 4 0 0, logo: D 10

Para x1: 1 308 Para x2: 2 3 0 (10


0,
logo: D 6 D) 0

Para x4: 4 0 0, logo: D 2 Para x3: 3 0060

Portanto: acrscimo permissvel no coeficiente de x2: 6.


Para x5: 4 0 0, logo: D 10
Coeficientes das variveis no bsicas: x1
Para x2: 2 3 0 (10 Acrscimo permissvel:
D) 0 Multiplicadores do Simplex:
Para x3: 3 0060
Restrio do dual para x1: 1 1 4 3 0 (8 D)
Portanto: acrscimo permissvel no coeficiente de x2: 2. 0, em que D 3
Logo, o acrscimo permissvel 3.
Decrscimo no coeficiente de x2:
Decrscimo permissvel:
Restrio do dual para x1: 1 1 4 3 0 (8 D)
0, em que D 3
Logo, o decrscimo permissvel ilimitado.
Esses resultados esto realados na planilha do Solver:
5 Exerccios Resolvidos
Exerccio 1 3. Quadro inicial de soluo
Seja a seguinte rede de transporte: MERCADO DISPONIBI-
1 2 3 LIDADE

20 2 10
1 30
x11 x12 x13
FONTE
2 14 16
2 20
x21 x22 x23
12 8 10
3
40
x31 x32 x33
DEMANDA 20 30 40

A. Monte o modelo de programao linear do problema. Soluo Inicial pelo Mtodo do Custo Mnimo
B. Calcule as solues bsicas iniciais pelos mtodos do custo
mnimo e do canto noroeste.
C. Resolva o problema pelo mtodo dos multiplicadores. 20 2 10

0 30 0 30
Soluo
2 14 16
1. Definio das variveis
20
x11 quantidade a transportar da Fonte 1 para o Destino 1 20 Bloqueadas
x12 quantidade a transportar da Fonte 1 para o Destino 2
12 8 10

40
x33 quantidade a transportar da Fonte 3 para o Destino 3 40

2. Modelo 20 30 40

Minimizar CT 20 x11 2 x12 10 x13 2 x21


14 x22 16 x23 2 x31 8 x32 10 x33 Variveis bsicas (quantidade: 3 3 1 5 variveis):
Sujeito a: x11 0
x11 x12 x13 30 x12 30
x21 x22 x23 20 x13 0
x31 x32 x33 40 x21 20
x11 x21 x31 20 x33 40
x12 x22 x32 30 Variveis no bsicas: x22; x23; x31 e x32
x13 x23 x33 40
Com x11, x12, x13, x21, x22, x23, x31, x32 e x33 0 Custo total: CT 30 2 20 2 40 10 500
76 Captulo Cinco

1. Escolha da varivel que deve entrar na base: Ciclo de x23:


x23 (1) x33 (1) x31 (10) x21 (1) x23
Ciclo de x22:
CT (x23) 16 10 12 2 16 (No)
x22 (1) x12 (1) x11 (1) x21 (1) x22
CT (x22) 14 2 20 2 30 (No entra) Ciclo de x32:
x32 (1) x33 (1) x13 (1) x12 (1) x32
Ciclo de x23:
CT (x32 ) 8 10 10 2 6 (No)
x23 (1) x13 (1) x11 (1) x21 (1) x23
CT (x23) 16 10 20 2 24 (No entra ) Logo, a soluo atual tima.
Ciclo de x31:
x31(1) x33 (1) x13 (1) x11 (1) x31 Soluo Inicial pelo Mtodo do Canto Noroeste
CT (x31) 12 10 10 20 8 (Sim, entra na base) Soluo inicial do canto noroeste:
Ciclo de x32:
x32 (1) x33 (1) x13(1) x12 (1) x32 20 2 10
CT (x32) 8 10 10 2 6 (No entra) 20 10 30

Concluso: varivel que deve entrar na base: x31 2 14 16


2. Varivel que sai: 20 0 20

Podemos ver no ciclo de x31 que temos duas variveis candidatas a 12 8 10


sair: x11 e x31, ambas com valor zero. Assim, temos que desempatar; 40
40
no caso escolheremos x11 para sair. Vamos validar a nova soluo.
20 30 40
2. Soluo bsica
Soluo inicial
20 2 10 Variveis bsicas: x11 20; x12 10; x22 20; x23 0; x33
30 0
30 10 e CT 1.100
Variveis no bsicas: x12 0; x21 0; x31 0; x32 0
2 14 16
2. Escolha da varivel que entra pelo mtodo dos multiplica
20 20
dores
12 8 10 O mtodo dos multiplicadores apresenta uma estrutura de cl
0 40
40 culo extremamente similar ao mtodo Stepping Stone (mesmas
iteraes), com diferenas somente na forma como as variveis
20 30 40 no bsicas so analisadas em cada iterao para a determinao
da varivel que entra.
Soluo bsica Procedimento para determinar a varivel que entra:
x12 30
x13 0 1. Para cada linha i do quadro de solues associamos uma va
x21 20 rivel ui, e para cada coluna j associamos uma varivel vj.
x31 0
x33 40 20 2 10
CT 500 30 u1
20 10
Variveis no bsicas: x11 0; x22 0; x23 0; x32 0
2 14 16
3. Teste das variveis no bsicas: 20 u2
20 0
Ciclo de x11:
12 8 10
x11 (1) x33 (1) x31 (1) x11
40 u3
CT (x11) 20 10 10 12 8 (No entra) 40

Ciclo de x22: 20 30 40
x22 (1) x12 (1) x13 (1) x33 (1) x31 (1)
v 1 v 2 v3
x21 (1) x22
CT (x22) 14 2 10 10 12 2 22 (No)
Exerccios Resolvidos 77

2. Para cada varivel bsica xij criamos uma equao: ui vj 3. Com u1 0 , teremos:
cij 1. equao: v1 20
2. equao: v2 2
Teremos assim (m n 1) equaes com (m n) variveis.
3. equao: u2 18
No exerccio temos cinco equaes com seis variveis: 4. equao: v3 34
5. equao: u3 24
x11: u1 v1 20
x12: u1 v2 2 4. Para as variveis no bsicas xi:
x22: u2 v2 14 x13: P13 c13 u1 v3 10 0 34 24
x23: u2 v3 16 x22: P22 c22 u2 v2 14 18 2 30
x33: u3 v3 10 x31: P31 c31 u3 v1 12 24 20 16
3. Com u1 0 , teremos: x32: P32 c32 u3 v2 8 24 2 30

1. equao: v1 20 Varivel que entra: x13


2. equao: v2 2
Varivel que sai:
3. equao: u2 12
4. equao: v3 4 Ciclo associado varivel que entra:
5. equao: u3 6 x13(1) x11 (1) x21 (1) x 23 (1) x13




4. Para cada varivel no bsica xi vamos calcular uma avalia Valor: 0 Valor: 0
Sai da base
o: Pij cij ui vj
Assim: 3.a Soluo bsica:

x13: P13 c13 u1 v3 10 0 4 6


x21: P21 c21 u2 v1 2 12 20 30 20 2 10
x31: P31 c31 u3 v1 12 6 20 14 0 30 0
30
x32: P32 c32 u3 v2 8 6 2 0
2 14 16
Varivel que entra: x21
20 20
Varivel que sai:
12 8 10
Ciclo associado varivel que entra:
40
40
x21(1) x 22 (1) x12 (1) x11 (1) x21


Valor: 20 Valor: 20 20 30 40
Sai da base

2.a Soluo bsica:


Soluo bsica:
20 2 10 Variveis bsicas: x11 0; x12 30; x13 0; x21 20; x33 40;
0 30
30 CT 500
Variveis no bsicas: x22 0; x23 0; x31 0; x32 0
2 14 16
20
2. Para cada varivel bsica xij: Com u1 0, temos:
20 0
x11: u1 v1 20 1. equao: v1 20
12 8 10 x12: u1 v2 2 2. equao: v2 2
40 x13: u1 v3 10 3. equao: v3 10
40
x21: u2 v1 2 4. equao: u2 18
20 30 40
x33: u3 v3 10 5. equao: u3 0

3. Para as variveis no bsicas xi:


Soluo bsica:
x22: P22 c22 u2 v2 14 18 2 30
Variveis bsicas: x 11 0; x12 30; x21 20; x23 0; x33 40
x23: P23 c23 u2 v3 16 18 10 24
e CT 500
x31: P31 c31 u3 v1 12 0 20 8
Variveis no bsicas: x13 0; x22 0; x31 0; x32 0
x32: P32 c32 u3 v2 8 0 2 6
2. Para cada varivel bsica xij:
x11: u1 v1 20 4. Ciclo da varivel x31:
x12: u1 v2 2 x31(1) x 33 (1) x13 (1) x11 (1) x31
x21: u2 v1 2

Valor: 0 Valor: 0
x23: u2 v3 16 Sai da base

x33: u3 v3 10
78 Captulo Cinco

4. Soluo bsica: A. Soluo bsica inicial Canto Noroeste

20 2 10
1 3 2
30 0 30
20 0 20

2 14 16
3 2 6
20 20 40
20 20

12 8 10
3 5 4
0 40 40 20
20

20 30 40
20 20 40

Soluo bsica: Variveis bsicas: x11 20; x12 0; x22 20; x23 20; x33 20
Variveis bsicas: x 12 30; x13 0; x21 20; x31 0; x33 40; e Z 260
CT 500 Variveis no bsicas: x21 0; x13 0; x31 0 e x32 0
Variveis no bsicas: x11 0; x22 0; x23 0; x32 0
2. Para cada varivel bsica xij: Com u1 0, temos: Soluo pelo Mtodo das Contribuies Unitrias
x12: u1 v2 2 v2 2 (Stepping Stone):
x13: u1 v3 10 v3 10 Ciclo para x13:
x21: u2 v1 2 u2 10 x13 (1) x23 (1) x22 (1) x12 (1) x13
x31: u3 v1 12 v1 12 CT (x13) 2 6 2 3 5
x33: u3 v3 10 u3 0
Ciclo de x21:
3. Para as variveis no bsicas xi: x21 (1) x22 (1) x12 (1) x11 (1) x21
x11: P11 c11 u1 v1 20 0 12 8 CT (x21) 3 2 3 1 3
x22: P22 c22 u2 v2 14 10 2 22
x23: P23 c23 u2 v3 16 10 10 16 Ciclo de x31:
x32: P32 c32 u3 v2 8 0 2 6 x31 (1) x33 (1) x23 (1) x22 (1) x12 (1)
x11 (1) x31
Concluso: a soluo acima tima. CT (x31) 3 4 6 2 3 1 5
Observaes: Ciclo de x32:
1. Compare os valores Pij encontrados aqui com as contribuies x32 (1) x33 (1) x23 (1) x22 (1) x32
unitrias para o custo total calculadas anteriormente. So iguais. CT (x32) 5 4 6 2 5
2. Esse exemplo mostra a importncia da boa escolha da soluo
Concluso: varivel que entra: x13
inicial. Enquanto no mtodo dos custos mnimos precisamos
apenas de duas solues bsicas para chegarmos soluo ti Pelo ciclo de x13: varivel que sai: x12
ma, no mtodo do canto noroeste foram necessrias quatro so
lues. 1 3 2

20
Exerccio 2 20 0

Seja a rede de transporte que se segue, j na forma matricial. 3 2 6


Vamos resolver o problema pelo mtodo das contribuies uni 40
20 20
trias para o custo total. A soluo bsica inicial ser calculada
pelos dois mtodos, Canto Noroeste e Custo Mnimo. 3 5 4
20
20
MERCADO DISPONIBI-
1 2 3 LIDADE
20 20 40
1 3 2
1 20 Variveis bsicas: x11 20; x13 0; x22 20; x23 20; x33 20
x11 x12 x13 e Z 260
FONTE
3 2 6 Variveis no bsicas: x12 0; x21 0; x31 0 e x32 0
2 40
x21 x22 x23
Teste para x12:
3 5 4 x12 (1) x13 (1) x23 (1) x22 (1) x12
3 20 CT (x12) 3 2 6 2 5
x31 x32 x33

DEMANDA 20 20 40
Exerccios Resolvidos 79

Teste para x21: Vamos escolher x31 para entrar na base. Do ciclo de x31, a vari
vel que sai x11.
x21 (1) x23 (1) x13 (1) x11 (1) x21
CT (x21) 3 6 2 1 2
1 3 2
Teste para x31:
20 20
x31 (1) x33 (1) x13 (1) x11 (1) x31
CT (x31) 3 4 2 1 0 3 2 6

20 20 40
Teste para x32:
x32 (1) x33 (1) x23 (1) x22 (1) x32 3 5 4

CT (x32) 5 4 6 2 5 0 20
20

Logo: varivel que entra: x21


20 20 40
Pelo ciclo de x21 temos a varivel que sai x23 ou x11. Escolhe
mos x23. Variveis bsicas: x13 20; x21 20; x22 20; x31 0; x33
20 e Z 220
1 3 2 Variveis no bsicas: x11 0; x12 0; x23 20; e x32 0
0 20 20
Testes:
3 2 6 CT (x11) 1 2 4 3 0
20 20 40 CT (x12) 3 2 4 3 3 2 3
CT (x23) 6 4 3 3 2
3 5 4 CT (x32) 2 3 3 2 0
20
20
Podemos ver que continuamos com duas variveis candidatas a
20 20 40
entrar na base. No entanto, observando pelo ciclo podemos ver
que x11 na base ir reproduzir a soluo anterior. Assim, vamos
Variveis bsicas: x11 0; x13 20; x21 20; x22 20; x33 colocar x32 na base e sair com x31.
20 e Z 220
Variveis no bsicas: x12 0; x23 20; x31 0 e x32 0 1 3 2

20 20
Teste para x12:
x12 (1) x22 (1) x21 (1) x11 (1) x12 3 2 6
CT (x12) 3 2 3 1 3 20 20 40

Teste para x23: 3 5 4


x23 (1) x13 (1) x11 (1) x21 (1) x23 0 20
20
CT (x23) 6 2 1 3 2
20 20 40
Teste para x31:
x31 (1) x33 (1) x13 (1) x11 (1) x31 Variveis bsicas: x13 20; x21 20; x22 20; x32 0; x33
CT (x31) 3 4 2 1 0 20 e Z 220
Teste para x32: Variveis no bsicas: x11 0; x12 0; x23 20; e x31 0.
x32 (1) x33 (1) x13 (1) x11 (1) x21 (1) Concluso: Temos trs solues timas degeneradas.
x22 (1) x32
B. Soluo inicial pelo mtodo dos Custos Mnimos
CT (x32) 2 4 2 1 3 2 0
1. Rota de menor custo: x11 20 (mximo possvel) e blo
Temos duas variveis para entrar na base, com contribuio queamos a 1.a coluna;
marginal igual a zero. Isso significa que temos outra soluo 2. Rota livre de menor custo: x22 20 e bloqueamos a 2.a
tima, com mesmo custo total igual a 220. coluna;
80 Captulo Cinco

3. Rota livre de menor custo: x13 0, j que a linha estava Para isso, vamos completar essa matriz com uma linha adicio
satisfeita; nal que representa uma fonte fictcia que suprir a demanda
4. Rota de menor custo: x33 20 e, finalmente, x23 20. adicional.
MERCADO
1 3 2
1 2 3 SUPRIMENTO
20 0 20
x11 x12 x13 5 2 8
3 2 6 1 100
x11 x12 x13
20 20 40
FONTE
x21 x23 6 3 7
3 5 4 2 800
x21 x22 x23
20
20
x31 x32 x33 4 3 6
3 150
20 20 40
x31 x32 x33

Variveis bsicas: x11 20; x13 0; x22 20; x23 20; x33 8 6 4
FONTE
400
20 e Z 260 FICTCIA 4
x41 x42 x43
Variveis no bsicas: x12 0; x21 0; x31 0 e x32 0.
DEMANDA 700 250 500
Observe que nesse caso encontramos a mesma soluo inicial
bsica pelos dois mtodos.
A. Clculo da soluo bsica inicial pelo mtodo do custo m
Exerccio 3 nimo
Demanda total Suprimento total MERCADO
Seja a seguinte rede de transporte, em que temos uma deman 1 2 3 SUPRIMENTO
da total de 1.450 unidades e o suprimento total igual a 1.050 5 2 8
unidades. 100 100
1
x11 x12 x13
MERCADO FONTE
6 3 7
1 2 3 SUPRIMENTO
2 700 0 100 800
5 2 8 x21 x22 x23
1 100
4 3 6
x11 x12 x13
FONTE 3 150 150
6 3 7
x31 x32 x33
2 800
x21 x22 x23 8 6 4
FONTE
FICTCIA 4 400
4 3 6 400
3 x41 x42 x43
150
x31 x32 x33 DEMANDA 700 250 500

DEMANDA 700 250 500

N. de variveis: 4 3 1 6
Vamos considerar que h um custo incorrido por unidade de
demanda no satisfeita em cada mercado. Assim, vamos con Soluo inicial
siderar os seguintes custos: Mercado 1 ($8), Mercado 2 ($6) e Variveis bsicas: x12 100, x21 700, x22 0, x23 100,
Mercado 3 ($4).
x32 150 e x43 400
O objetivo do problema determinar o carregamento da rede que CT 7.150
minimiza o custo total de transporte e de demanda no atendida. Variveis no bsicas: x11 x13 x31 x33 x41 x42 0
Exerccios Resolvidos 81
MERCADO Variveis bsicas: x12 100, x21 550, x22 150, x23 100,
1 2 3 SUPRIMENTO x31 150 e x43 400
5 2 8 CT 6.850
1 100 100 u1 Variveis no bsicas: x11 x13 x32 x33 x41 x42 0
x11 x12 x13
FONTE
6 3 7 Teste da soluo:
2 700 0 100 800 u2
x21 x22 x23 MERCADO
1 2 3 SUPRIMENTO
4 3 6
150 u3 5 2 8
3 150
x31 x32 x33 1 P11 5 0 100 P13 5 2 100 u1 5 0
x11 x12 x13
8 6 4
FONTE FONTE
400 u4 6 3 7
FICTCIA 4 400
2 550 150 100 800 u2 5 1
x41 x42 x43
x21 x22 x23
DEMANDA 700 250 500
v1 v2 v3 4 3 6
3 150 P32 5 2 P33 5 1 150 u3 5 21

Como a estrutura das equaes dos multiplicadores muito sim x31 x32 x33

ples, podemos calcular diretamente os valores na tabela. FONTE


8 6 4
FICTCIA 4 400 u4 5 22
P41 5 5 P41 5 6 400
MERCADO x41 x42 x43
1 2 3 SUPRIMENTO
DEMANDA 700 250 500
5 2 8 v1 5 5 v2 5 2 v3 5 6
1 P11 5 0 100 P13 5 2 100 u1 5 0
x11 x12 x13
FONTE A soluo atual tima, mas como P11 0, temos outra solu
6 3 7
o tima.
2 700 0 100 800 u2 5 1
x21 x22 x23 MERCADO
4 3 6 1 2 3 SUPRIMENTO
3 P31 5 22 150 P33 5 21 150 u3 5 1 5 2 8
x31 x32 x33 100
1 100
8 6 4 x11 x12 x13
FONTE FONTE
FICTCIA 4 400 u4 5 22 6 3 7
P41 5 5 P41 5 6 400
x41 x42 x43 2 450 250 100 800
x21 x22 x23
DEMANDA 700 250 500
v1 5 5 v2 5 2 v3 5 6 4 3 6
3 150 150

Varivel que entra: x31 x31 x32 x33

Varivel que sai: x32 FONTE


8 6 4
FICTCIA 4 400 400

Nova soluo: x41 x42 x43

DEMANDA 700 250 500


MERCADO
1 2 3 SUPRIMENTO
5 2 8

1 100 100 u1
x11 x12 x13
FONTE
6 3 7
2 550 150 100 800 u2
x21 x22 x23

4 3 6
3 150 150 u3
x31 x32 x33
8 6 4
FONTE
FICTCIA 4 400 u4
400
x41 x42 x43

DEMANDA 700 250 500


v1 v2 v3
82 Captulo Cinco

Exerccio 4 Teste da soluo:


Vamos resolver a rede de transporte que se segue, operando os
MERCADO
multiplicadores diretamente sobre a matriz.
1 2 3 SUPRIMENTO
MERCADO 2 5 8
1 2 3 SUPRIMENTO 20 P21 5 6 P13 5 2 20 u1 5 0
1
5 2 8 x11 x12 x13
FONTE
1 20 6 3 9
x11 x12 x13 2 60 20 P23 5 21 80 u2 5 4
FONTE x21 x22 x23
6 3 9
2 80 7 8 4
x21 x22 x23 15 u3 5 22
3 P31 5 7 P32 5 11 15
7 8 4 x31 x32 x33

3 15 8 6 12
x31 x32 x33  4 40 u4 5 6
5 P41 5 1 35
8 6 12 x41 x42 x43
 4 40
DEMANDA 85 20 50
x41 x42 x43 v1 5 2 v2 5 21 v3 5 6

DEMANDA 85 20 50

Varivel que entra: x23


Soluo bsica inicial: Varivel que sai: x43

MERCADO
MERCADO
1 2 3 SUPRIMENTO
1 2 3 SUPRIMENTO
2 5 8
2 5 8
1 20 20
1 20 P21 5 6 P13 5 3 20 u1 5 0
x11 x12 x13
x11 x12 x13
FONTE
6 3 9 FONTE
6 3 9
2 60 20 80
2 25 20 35 80 u2 5 4
x21 x22 x23
x21 x22 x23
7 8 4
7 8 4
3 15 15 u3 5 21
3 P31 5 6 P32 5 10 15 15
x31 x32 x33
x31 x32 x33
8 6 12
8 6 12
 4 5 35 40 u4 5 6
 4 40
40 P41 5 1 P43 5 1
x41 x42 x43
x41 x42 x43
DEMANDA 85 20 50
DEMANDA 85 20 50
v1 5 2 v2 5 21 v3 5 5

Variveis bsicas: x 11 20, x21 60, x22 20, x33 15, x41 5
e x43 35, CT 980.
Variveis no bsicas: x12 x13 x23 x31 x32 x42 0
Exerccios Resolvidos 83

Soluo tima: mesmos encontrados na matriz com a soluo tima do problema.


Variveis bsicas: x 11 20, x21 25, x22 20, x23 35, x33 No entanto, os Preos-Sombra so diferentes dos valores que en
15, x41 40 e CT 945. contramos para as variveis duais u1, u2, u3, u4, v1, v2 e v3.
Variveis no bsicas: x12 x13 x31 x32 x42 x43 0. Como vimos na teoria, podemos atribuir para qualquer uma
dessas variveis um valor arbitrrio (temos feito u1 0 apenas
Comparao com a soluo do Excel por comodidade). Sugerimos que o aluno atribua o valor v3
Reproduzimos na figura que se segue a planilha de Sensibilidade 6, calcule as demais variveis e os Custos Reduzidos. Dever
fornecida pelo Solver. Observe que os Custos Reduzidos so os obter os mesmos valores da seguinte planilha:
6 Exerccios Resolvidos
Exerccio 1 b. Distribuio de frequncia relativa:
Uma grande empresa siderrgica dispe de um conjunto
numeroso de motores eltricos, instalados em seus galpes, Nmero de
que eventualmente apresentam defeitos oriundos de vrias Equipamentos Frequncia Frequncia
causas, inclusive choques mecnicos. Uma vez que o dano Danificados/ms Absoluta Relativa
tenha sido constatado, a empresa imediatamente troca o 8 2 0,067
equipamento por um reserva e recolhe o defeituoso para a
seo de manuteno. Um levantamento estatstico do n- 9 3 0,100
mero de motores danificados por ms chegou aos dados da 10 6 0,200
seguinte tabela:
11 7 0,237
12 6 0,200
Nmero de Nmero de Nmero de
Equipamentos Equipamentos Equipamentos 13 6 0,200
Ms Danificados Ms Danificados Ms Danificados

1 9 11 9 21 11 Clculo dos parmetros:


2 8 12 12 22 12
2 0,067 3 0,1 6 0,2 7 0,233 6 0,2
3 11 13 11 23 11 6 0,2 11 equipamentos/ms
4 10 14 13 24 13
11/0,88 12,5 atendimentos/ms
5 8 15 10 25 9
1
6 11 16 13 26 11 c. TS 0, 667 ms ou 20 dias
12, 5 11
7 13 17 10 27 13
112
8 13 18 12 28 10 d. NF 6,45 equipamentos.
12, 5 (12, 5 11)
9 12 19 11 29 10
10 12 20 12 30 10
Exerccio 2
Retornando ao Exerccio 1, a empresa estima que um motor dani-
A seo de manuteno da empresa opera atualmente quase em
ficado representa um custo de $698,20 por ms devido perda de
plena carga, tendo sido constatado em um levantamento que sua
produo e eficincia mais baixa do equipamento reserva. O custo
taxa de ocupao de 88 %.
operacional de recuperao dos motores na seo de manuteno,
Pede-se: sem considerar as peas substitudas, de $120,00 por motor.
a. Identifique, para aplicao da Teoria das Filas, quem o A empresa tem duas possibilidades para resolver o problema:
cliente e quem o atendente, neste problema.
a. Ampliar a seo, de forma que o nmero mdio de consertos
b. Calcule a distribuio de frequncia relativa para o nmero
por ms corresponda ao custo total mnimo do sistema.
de equipamentos danificados.
b. Instalar uma nova seo com a mesma taxa mdia de consertos
c. Tempo mdio que o motor permanece fora de servio, em
da seo original, em outro local da usina. Nesse caso, os fluxos
dias.
de motores danificados para as sees sero iguais metade do
d. Nmero mdio de motores aguardando o incio dos trabalhos
nmero mdio original de motores danificados por ms.
de reparo.
Para decidir, a empresa vai utilizar dois critrios: o menor tempo
Soluo que o motor fica fora de servio e o custo total mensal do sis-
a. Cliente: Equipamentos danificados tema. Assim, calcule esses dois valores para as duas hipteses
Atendente: Seo de manuteno e justifique a deciso da empresa.
Soluo: dano tenha sido constatado a empresa imediatamente troca o
equipamento por um de reserva e recolhe o defeituoso para a
CEunit $698,20
seo de manuteno. Um levantamento estatstico do nmero
CAunit $120,00
de equipamentos danificados por ms chegou aos dados da ta-
a. Ampliar a seo para m* bela seguinte:

CE unit 11 698, 20
* 11 19 atendi- NMERO DE
CA unit 120
EQUIPAMENTOS FREQUNCIA
mentos/ms DANIFICADOS POR MS RELATIVA
1
Tempo mdio fora de servio: TS 0,125 ms 9 0,033
19 11
10 0,100
11
Custo total: CTmn 698,20 19 120 11 0,167
19 11
3.240,02 12 0,300
b. 2 sees 13 0,200

5,5 equipamentos/ms 14 0,133


12,5 reparos/ms 15 0,067
1
Tempo mdio fora de servio: TS 0,143 ms
12, 5 5, 5 No levantamento constatou-se tambm que o nmero mdio de
5, 5 equipamentos aguardando o incio de manuteno 0,7.
Custo total: CT 2 (698,20 12,5
12, 5 5, 5 Pede-se:
120) 4.097,17
a. Tempo mdio que um equipamento permanece fora de servio.
Concluso: a melhor alternativa ampliar a seo para * b. Taxa de ociosidade da seo de manuteno.
19 reparos/ms. c. A empresa deseja que o nmero mximo de equipamen-
tos na fila seja igual a 4. Qual a probabilidade de que isso
Exerccio 3 acontea?
Um sistema de uma fila e um canal est com sobrecarga de tra- Clculo dos parmetros:
balho. Aps anlise estatstica, o analista de pesquisa operacional
descobriu que a mdia de chegadas de clientes ao sistema de 30 9 0,033 10 0,1 15 0,067
por hora. O atendente tem capacidade para atender somente 20 12,2 equipamentos/ms
clientes por hora. Dessa forma, ele est planejando criar mais uma
12, 2
seo de atendimento igual primeira e passar a operar com dois NF 0, 7,
( 12, 2)
canais e uma fila somente. Para essa nova situao, calcule:
A. Tempo mdio que o cliente fica na fila. em que: 0,7 2 8,54 12,2 0
B. Nmero mdio de clientes na fila. Resolvendo: 13,5 reparos por ms
30 clientes/hora 1
20 clientes/hora a. TS 0, 769 ms
13, 5 12, 2
1,5
13, 5 12, 2
Utilizando a planilha do site da LTC Editora para mltiplos ca- b. Taxa de ociosidade: P(o) 0, 096 ou 9, 6 %
13, 5
nais, encontramos: 6
12, 2
c. P(n 5) 0, 545
Pocup. total 0,643 13, 5
1
a. TF 1,929 0,0643
30 Estudo de Caso 1
1, 5 Dimensionamento do nmero de caixas em uma agncia
b. NF 0, 643 1,929 cliente bancria
2 1, 5
Um banco desenvolveu uma metodologia baseada na Teoria das
Exerccio 4 Filas para ajudar o gerente das agncias a determinar o nmero
Uma grande fbrica dispe de um conjunto numeroso de equi- timo de caixas a serem alocados em cada hora, em funo do
pamentos que, eventualmente, apresentam defeitos oriundos de fluxo de clientes. Para aplicao da metodologia, a gerncia da
vrias causas, inclusive operao inadequada. Uma vez que o agncia deve seguir alguns passos:
86 Captulo Seis

Passo 1: Dividir os dias teis do ms em dois grupos distintos: PERODO DE


1. Dias normais NMERO TEMPO
OBSERVAO
DO CLIENTES GASTO
2. Dias de pico, com movimento acentuado. INICIAL FINAL CAIXA ATENDIDOS (MINUTOS)
Passo 2: Para cada grupo, estabelecer uma sistemtica de pes- 10:30 10:50 01 12 20
quisa do nmero de clientes que entram na agncia e que reque- 10:30 10:50 02 11 20
rem servios dos caixas. Um processo automtico de contagem de
10:05 10:18 03 7 13
clientes, por exemplo, senhas emitidas por computador, permitir
agncia ajustar continuamente a programao dos caixas. 10:11 10:17 08 4 06
10:21 10:35 06 6 14
Determinao da taxa de chegadas
Total 40 73
Com essa pesquisa, a agncia tem elementos para calcular a taxa de
chegadas de clientes, conforme mostra o exemplo que se segue. 2. Repete-se essa observao para outros intervalos de tempo e,
Dados obtidos em um dia normal tpico: a seguir, calcula-se a taxa de atendimento, conforme mostra
o exemplo seguinte:
PERODO TOTAL DE CLIENTES QUE
DIA (HORAS) PROCURARAM OS CAIXAS CLIENTES TEMPO GASTO
10 s 11 288 OBSERVAO ATENDIDOS (MINUTOS)
11 s 12 152 1 40 73
12 s 13 172 2 36 66
10 3 64 96
13 s 14 132
14 s 15 202 4 52 78
15 s 16 276 5 54 64
Total 246 377
Passo 3: Determinao da taxa de atendimento
Com os dados dessa ltima tabela, calculamos a taxa de aten-
A coleta de dados para o clculo da taxa de atendimento tambm
dimento:
pode ser feita automaticamente por um programa de computador
246
funcionando no terminal eletrnico do caixa ou por observao 0, 65 cliente por minuto
direta, conforme mostramos no exemplo seguinte. 377

Coleta de dados Passo 4: Sumrio dos dados de um perodo de observao


1. Escolhe-se um perodo de tempo aleatrio e um observador Vamos supor que tenhamos feito as observaes dos Passos 2
anota os dados de atendimento de caixas selecionados, con- e 3 durante os dias normais de um ms. Podemos agrupar os
forme este exemplo: dados conforme mostra a tabela que se segue:

QUANTIDADE DE CLIENTES ATENDIDOS NO PERODO TAXAS DE


NMERO DO DIA 10 s 11 11 s 12 12 s 13 13 s 14 14 s 15 15 s 16 ATENDIMENTO
1 156 168 134 154 202 213 0,54
2 186 145 156 159 167 228 0,62
3 179 201 145 156 134 154 0,58
4 189 179 185 148 213 224 0,54
5 215 202 197 147 197 198 0,62
6 198 211 219 241 156 223 0,64
7 158 156 145 156 219 241 0,65
8 196 189 234 215 202 197 0,59
9 197 147 134 154 134 154 0,58
10 288 152 172 132 202 276 0,65
Totais 1962 1750 1721 1662 1826 2108 6,01
Mdia 196,2 175 172,1 166,2 182,6 210,8 0,601
Exerccios Resolvidos 87

Considerando que a hora til de um caixa bancrio corres-


ponde a 55 minutos, podemos determinar a taxa mdia de Taxas de ocupao:

atendimento como:
55 0,601 33,05 clientes por hora

QUANTIDADE DE CLIENTES ATENDIDOS NO PERODO TAXAS DE


10 s 11 11 s 12 12 s 13 13 s 14 14 s 15 15 s 16 ATENDIMENTO
Mdia 196,2 175 172,1 166,2 182,6 210,8
33,05
Taxa de Ocupao 5,94 5,29 5,21 5,03 5,52 6,38

Passo 5: U
 tilizar o modelo de Teoria das Filas para produzir Alm do parque industrial, a usina tem tambm duas vilas de re-
uma relao entre o Nmero de Caixas, os Fatores de sidncias onde mora grande parte dos empregados e engenheiros.
Utilizao e os Tempos Mdios de Fila considerados Para alimentar de energia eltrica toda essa cidade industrial, a
aceitveis pela gerncia. usina tem um contrato de demanda de 400 MW com a concessio-
A tabela seguinte mostra os resultados obtidos para trs tempos nria local, que entrega a energia em duas subestaes de grande
de fila considerados aceitveis. porte situadas dentro da rea da usina. Toda a rede interna da usina
e das vilas residenciais de responsabilidade da usina.
FATORES DE UTILIZAO Para gerir a rede a usina dispe de um Centro de Operao de
PARA FILA PARA FILA Energia (COE) que tem, entre suas atividades, a responsabili-
NMERO
PARA FILA NORMAL LENTA dade de programar e executar a manuteno, tanto preventiva
DE CAIXAS
RPIDA TF 2,5 TF 5 quanto emergencial.
TF 1 MIN MIN MIN No caso das ocorrncias emergenciais, o COE recebe o aviso por
2 1,449 1,667 1,818 telefone e, a partir dos dados fornecidos pelos reclamantes, realiza
3 2,222 2,500 2,740 um primeiro diagnstico de gravidade que resulta em uma clas-
4 3,030 3,333 3,650 sificao do grau de imediatismo da interveno, em funo dos
5 3,846 4,167 4,566 riscos que a situao pode representar para pessoas, em primeiro
6 4,762 5,263 5,495 lugar, para o patrimnio e para a perda de produo. A partir dessa
7 5,556 5,988 6,410 classificao so acionadas as equipes de manuteno, que tm
8 6,667 6,897 7,353 uma base operativa em um galpo anexo ao prdio do COE.
9 7,143 7,692 8,264
10 8,000 8,621 9,217 As equipes, em nmero total de 15, executam tambm os traba-
lhos de manuteno preventiva e as melhorias programadas, de
Com os valores dos Fatores de Utilizao mostrados aqui, po- forma que o nmero mximo de equipes disponveis para ser-
demos alocar as seguintes quantidades de caixas para cada pe- vios emergenciais 12. No entanto, como veremos a seguir, o
rodo, considerando fila normal: nmero mdio de equipes operando inferior a esse total, por
causa de licenas, frias e treinamentos. Essas equipes esto
PERODOS 10 s 11 11 s 12 12 s 13 13 s 14 14 s 15 15 s 16 alocadas em trs turnos de trabalho, na seguinte escala:
Taxa de Turno 1: das 7 s 15 horas
Utilizao 5,94 5,29 5,21 5,03 5,52 6,38 Turno 2: das 15 s 23 horas
Caixas Turno 3: das 23 s 7 horas.
Alocados 7 6 6 6 6 8
Da mesma forma que os sistemas eltricos pblicos, o sistema
Observao: foram considerados os valores mais aproximados. geral da usina tambm sofre com as intempries, j que boa parte
dele de rede area descoberta, principalmente nos galpes dis-
Estudo de Caso 2 tantes e nas vilas. A empresa tem planos de reform-lo e torn-lo
subterrneo, mas esse um projeto de longo prazo. Por isso, o
Anlise da ocupao de equipes de manuteno
nmero de ocorrncias em pocas de chuva cresce muito.
Uma usina siderrgica de grande porte possui um parque indus-
trial muito diversificado e complexo, que executa todas as etapas A gerncia do COE tem recebido reclamaes sobre demoras e
de produo dos produtos siderrgicos, do minrio de ferro s cha- atrasos alm dos tolerveis e, por isso, resolveu analisar a ocu-
pas planas e aos perfis de ao acabados e entregues aos clientes. pao das equipes usando os modelos da Teoria das Filas.
88 Captulo Seis

Como os tempos gastos para reparar os defeitos tm apresenta- A tabela seguinte mostra os dados coletados para os tempos
do uma tendncia de crescimento, por causa das medidas pre- mdios de ocupao das equipes para um trabalho de reparo.
ventivas de segurana das equipes de reparo, a gerncia decidiu Observe que o tempo mdio de ocupao formado por dois
analisar as taxas de ocupao com dados disponveis do ltimo tempos distintos:
perodo chuvoso. 1. Tempo mdio de preparao: o tempo gasto pelo COE para
fazer o diagnstico preliminar, localizar a equipe e esta se
Coleta de dados deslocar at o local da ocorrncia.
Como o COE registra todas as ocorrncias e os tempos gastos 2. Tempo mdio de reparo: o tempo gasto pela equipe no local
para despacho das equipes e os tempos que as equipes gastam pa- da ocorrncia, para fazer os preparativos de segurana prpria
ra executar os servios, o processo de coleta de informaes se (anlise da situao), diagnosticar o problema e executar o
tornou muito simples. reparo.

TEMPO MDIO DE TEMPO MDIO DE TEMPO MDIO DE


MS/ANO TURNOS PREPARAO REPARO OCUPAO
out/06 7 h s 15 h 18 32 50,00
out/06 15 h s 23 h 22 36 58,00
out/06 23 h s 7 h 19 32 51,00
nov/06 7 h s 15 h 20 39 59,00
nov/06 15 h s 23 h 21 38 59,00
nov/06 23 h s 7 h 16 37 53,00
dez/06 7 h s 15 h 15 38 53,00
dez/06 15 h s 23 h 21 34 55,00
dez/06 23 h s 7 h 16 30 46,00
jan/07 7 h s 15 h 23 39 62,00
jan/07 15 h s 23 h 22 46 68,00
jan/07 23 h s 7 h 17 38 55,00
fev/07 7 h s 15 h 24 42 66,00
fev/07 15 h s 23 h 22 38 60,00
fev/07 23 h s 7 h 14 32 46,00
mar/07 7 h s 15 h 25 36 61,00
mar/07 15 h s 23 h 23 41 64,00
mar/07 23 h s 7 h 17 33 50,00

Da mesma forma, foram coletados os dados das quantidades de dias de equipes que operaram em cada turno, ao longo do ms.
ocorrncias por turno, durante os meses, e as quantidades m- A prxima tabela mostra os resultados obtidos.
Exerccios Resolvidos 89

MS/ANO TURNOS NMERO MDIO DE EQUIPES QUANTIDADE DE SERVIOS


out/06 7 h s 15 h 3,90 437
out/06 15 h s 23 h 3,80 435
out/06 23 h s 7 h 1,20 112
nov/06 7 h s 15 h 4,90 487
nov/06 15 h s 23 h 3,60 551
nov/06 23 h s 7 h 1,40 121
dez/06 7 h s 15 h 3,70 475
dez/06 15 h s 23 h 3,90 479
dez/06 23 h s 7 h 1,20 98
jan/07 7 h s 15 h 4,20 595
jan/07 15 h s 23 h 4,10 474
jan/07 23 h s 7 h 1,60 120
fev/07 7 h s 15 h 4,50 487
fev/07 15 h s 23 h 4,80 522
fev/07 23 h s 7 h 1,20 132
mar/07 7 h s 15 h 4,90 625
mar/07 15 h s 23 h 5,30 615
mar/07 23 h s 7 h 1,50 125

Tambm foram levantados os dados de quantidade efetiva de


disponibilidade das equipes por ms em horas, conforme mostra
a tabela que se segue.

HORAS EFETIVAS DE
MS HORRIO TRABALHO
out/06 7 h s 15 h 126
out/06 15 h s 23 h 126
out/06 23 h s 7 h 126
nov/06 7 h s 15 h 126
nov/06 15 h s 23 h 126
nov/06 23 h s 7 h 126
dez/06 7 h s 15 h 132
dez/06 15 h s 23 h 132
dez/06 23 h s 7 h 132
jan/07 7 h s 15 h 132
jan/07 15 h s 23 h 132
jan/07 23 h s 7 h 132
fev/07 7 h s 15 h 120
fev/07 15 h s 23 h 120
fev/07 23 h s 7 h 120
mar/07 7 h s 15 h 138
mar/07 15 h s 23 h 138
mar/07 23 h s 7 h 138
90 Captulo Seis

Simulaes 2. PRINCIPAL(SIDERRGICA)
Com os dados fornecidos podemos calcular as taxas de ocupa- 3. Modelo T Filas(SIDERRGICA)
o das equipes em cada um dos turnos selecionados. Para isso, Essas trs planilhas esto interconectadas, e os valores que de-
podemos utilizar o modelo apresentado no site da LTC Editora, vem ser preenchidos esto indicados nelas, conforme mostram
composto por trs planilhas: as figuras seguintes.
1. Est Caso 2-Dados

Planilha: Est Caso 2-Dados

Planilha: PRINCIPAL(SIDERRGICA)
Exerccios Resolvidos 91

Planilha: Modelo T Filas(SIDERRGICA)

Resultados das simulaes Em nosso caso, os resultados obtidos nas anlises dos trs turnos
Os resultados das simulaes podem ser digitados na plani- da siderrgica mostram que as taxas de ocupao das equipes so
lha Resultados SIDERRGICA ocorrer automaticamente o crescentes. Na figura anterior podemos ver que para o turno das 7 s
agrupamento nas tabelas comparativas. A figura a seguir mostra 15 horas, mesmo com o nmero de equipes aumentando de 4 para
a planilha de resultados. 5, as taxas de ocupao cresceram de 72,26 % para 92,09 %.

Dimensionamento do nmero de equipes o mdia ideal. Com base nela, podemos simular o nmero de
O mesmo modelo apresentado no site da LTC Editora pode ser equipes na planilha PRINCIPAL(SIDERRGICA) que resulte
utilizado para dimensionar o nmero ideal de equipes. Nesse caso, na taxa escolhida.
a gerncia do COE precisa decidir qual deve ser a taxa de ocupa-
7 Exerccios Resolvidos
Exerccio 1 Exerccio 2
Uso da funo DISTEXPON ( ) de MS-Excel para simulao Uso da funo DIST.NORM ( ) de MS-Excel para simulao
pelo Mtodo de Monte Carlo. pelo Mtodo de Monte Carlo.
Vamos considerar que um posto de atendimento ao pblico tenha Uma empresa analisou os dados histricos de sua receita e de
apresentado uma mdia de seis atendimentos por hora. Vamos seu custo total e verificou que ambos apresentam uma variao
simular as duraes dos atendimentos por meio da funo da aleatria segundo a distribuio Normal, por causa das condies
distribuio exponencial do Excel. variveis do mercado. No caso da receita, a empresa constatou
que a distribuio Normal tem mdia igual a $800 e desvio padro
A funo cumulativa de probabilidades da distribuio expo-
$250. A distribuio que explica as variaes no custo total
nencial dada pela expresso:
tem mdia igual a $500 e $150. A empresa deseja conhecer
Prob(x w) 1 ew a distribuio de seu lucro, a mdia e o desvio padro.
A funo DISTEXPON(w,mdia,verdadeiro) est sendo utili- Soluo: As Figs. E7.2 e E7.3 mostram as planilhas utilizadas
zada com os seguintes argumentos: para a simulao do lucro total, com as funes de
Excel utilizadas para a gerao dos valores.
w: valores em minuto para a simulao, de 0 a 40;
mdia 1/6 Ao consultar a planilha no site da LTC Editora, verifique sempre
verdadeiro: para funo cumulativa. que ela reprocessada (tecla F9), os nmeros aleatrios produ-
zidos pela funo ALEATRIO ( ) mudam e, com isso, todos
Resultado da simulao os resultados tambm mudam.
A Fig. E7.1 mostra os resultados obtidos para a simulao dos
tempos de atendimento e as frmulas utilizadas. A planilha com- Resultados da simulao
pleta pode ser consultada no site da LTC Editora Captulo Com essas planilhas, produzimos os resultados para o Lucro Bruto
7 Exerccios Resolvidos. mostrados na ltima coluna da Fig. E7.3. Com a utilizao das
Exerccios Resolvidos 93

Fig. E7.1 Planilha para simulao das duraes dos atendimentos

Fig. E7.2 Distribuies cumula-


tivas para simulao

Fig. E7.3 Simulao do lucro bruto


94 Captulo Sete

Fig. E7.4 Anlise estatstica dos resultados das simulaes

funes estatsticas de Frequncia ( ), Mdia ( ) e DESVPAD Tabela E3.2: Taxas de crescimento e desvios padro
( ) encontramos os resultados mostrados na Fig. E7.4. As funes
utilizadas podem ser vistas no site da LTC Editora. CRESCIMENTO
PREVISTO Desvio padro
ANO (%) (%)
Exerccio 3
No processo de planejamento estratgico de uma empresa foi rea- 1 10 1
lizada uma previso de vendas futuras e de taxas de crescimento. 2 12 2
A Tabela E3.1 mostra os valores previstos para o primeiro ano do
3 14 3
ciclo de planejamento, e a Tabela E3.2 mostra as taxas mdias
previstas para os prximos trs anos, aps o primeiro. Observe que
os desvios padro da taxas de crescimento das vendas aumentam Soluo
com o ano por causa da maior incerteza. A empresa quer conhecer As Figs. E7.5 e E7.6 mostram as planilhas utilizadas para a ge-
as distribuies de suas receitas para os quatro anos, considerando rao das simulaes dos resultados para a receita no ano 1 e
que o preo praticado atualmente igual a $20. das taxas de crescimento dos demais anos.

Tabela E3.1: Vendas previstas para o primeiro ano Resultados das simulaes
VENDA PROBABILIDADE DE As Figs. E7.7 e E7.8 mostram os resultados das simulaes com
PREVISTA OCORRNCIA as funes empregadas. Por ser uma planilha mais complexa, o
CENRIO (Unidades) (%) arquivo do site da LTC Editora mostra que utilizamos trs pla-
Pessimista 1.500 20 nilhas para resolver o exerccio.

Provvel 2.000 60 Podemos observar pela Fig. E7.8 que a disperso das receitas
aumenta de um ano para outro por causa da influncia das va-
Otimista 2.500 20 riaes nas taxas de crescimento.

Fig. E7.5 Planilha para simulao da receita do ano 1


Exerccios Resolvidos 95

Fig. E7.6 Planilha para simulao das taxas de crescimento

Fig. E7.7 Exemplo da planilha para simulao das receitas


96 Captulo Sete

Fig. E7.8 Distribuies de frequncia produzidas pelas simulaes

Exerccio 4 Tabela E4.3: Lucros com m aceitao


Vamos resolver o Exerccio Proposto N.o 5 com utilizao das LUCRO PROBABILIDADE (%)
funes do Excel.
4 10
Dados do problema:
6 20
8 30
Tabela E4.1: Resposta do mercado
10 20
ACEITAO DO PROBABILIDADE
PRODUTO (%) 12 15

Boa 40 14 5

M 60
A Fig. E7.9 mostra a planilha utilizada para a simulao dos
resultados.

Tabela E4.2: Lucros com boa aceitao A Fig. E7.10 mostra a planilha com os resultados das simu-
laes. Observe que utilizamos a funo SE( ) para escolher
LUCRO PROBABILIDADE (%) o resultado nas tabelas de lucro, em termos da aceitao do
10 10 produto.
12 15 A Fig. E7.11 mostra as frequncias relativa e acumulada pa-
14 20 ra os lucros obtidos na planilha da Fig. E7.10. Tambm cal-
culamos o lucro mdio e o desvio padro. Para podermos
16 30 comparar com as distribuies tericas apresentamos no gr-
18 15 fico da Fig. E7.11 as duas frequncias tericas calculadas com
a mdia e o desvio padro obtidos. Os clculos podem ser
20 10
acompanhados no site da LTC Editora.
Exerccios Resolvidos 97

Fig. E7.9 Planilha para simulao

Fig. E7.10 Resultados da simulao


98 Captulo Sete

Fig. E7.11 Anlise estatstica dos lucros obtidos nas simulaes


8 Exerccios Resolvidos
Exerccio 1 d. Evento 4: desenvolvimento do plano de revitalizao do
Critrios de deciso para definio de negcio centro da cidade, que pode influenciar o movimento nesse
bairro.
Uma construtora de mdio porte avalia a possibilidade de
comprar um terreno, em um bairro muito valorizado de Be- O setor de planejamento da construtora avaliou as consequn-
lo Horizonte e prximo ao centro da cidade, e deve tomar a cias possveis de cada um dos eventos nas trs alternativas de
deciso em um prazo curto, porque existem outros interessa- aproveitamento do terreno e construiu a seguinte matriz de ren-
dos no mesmo imvel. Pelas regras da prefeitura da cidade, tabilidades esperadas, em porcentagem, por ano:
em funo principalmente do coeficiente de aproveitamento
do terreno permitido pela legislao de uso do solo, a cons- RENTABILIDADES ESPERADAS POR ANO (%)
trutora visualiza trs projetos distintos para construo ime- ALTERNATIVA EVENTO EVENTO EVENTO EVENTO
diata no terreno: 1 2 3 4
1. Alternativa A: um prdio de apartamentos compactos de 4 A 18 18 16 20
quartos para a classe mdia alta.
B 22 16 20 18
2. Alternativa B: um prdio de salas e lojas maiores, com gran-
de rea de estacionamento, para investidores de alta renda e C 20 14 22 16
empresas.
3. Alternativa C: um conjunto de lojas menores, com rea de Anlise da deciso
estacionamento e flats nos andares superiores.
Critrio Pessimista Maximin
Cada uma dessas alternativas apresenta caractersticas espec-
Base de anlise: lucros mnimos possveis para as alternativas
ficas que influenciam diretamente na rentabilidade do projeto
e na velocidade de venda, por exemplo:
EVENTO QUE
A. Alternativa de prdio de apartamentos de 4 quartos: ven- RENTABILIDADE DEVERIA
da direta ao pblico, maiores custos administrativos e de ALTERNATIVA MNIMA OCORRER
vendas, dificuldades maiores na gesto de demandas indi-
viduais dos compradores dos apartamentos. A 16 3
B. Alternativa de salas e lojas maiores: maior investimento B 16 2
inicial, clientes mais exigentes (investidores institucionais),
maior controle de prazos. C 14 2
C. Alternativa de lojas menores e flats: maior nmero de inves-
tidores individuais, maior possibilidade de inadimplncia e Concluso: Sob esse critrio a escolha deve recair na alternati-
maiores custos administrativos para controle, possibilidade va A ou B, pois elas apresentam as maiores rentabilidades caso
maior de vendas para investidores individuais previamente ocorram eventos desfavorveis para a empresa.
cadastrados na construtora.
A escolha do projeto deve ser imediata, para a empresa contra- Critrio Otimista Maximax
tar um projeto preliminar e iniciar a venda das unidades com o Base de anlise: lucros mximos possveis para as alternativas
objetivo de levantar dinheiro para pagar o lote.
A empresa sabe que h quatro grandes eventos que podem interferir EVENTO QUE
na rentabilidade de cada uma das hipteses de aproveitamento: RENTABILIDADE DEVERIA
ALTERNATIVA MXIMA OCORRER
a. Evento 1: compra e aproveitamento de outro terreno vizinho
por uma grande construtora e investidores estrangeiros, cujas A 20 4
definies de projeto ainda no esto divulgadas. B 22 1
b. Evento 2: projeto de lei na Cmara de Vereadores que pode
alterar os coeficientes de aproveitamento dos terrenos desse C 20 3
bairro, possibilitando a construo de rea maior.
c. Evento 3: no plano de circulao e estacionamento de vecu- Concluso: Sob esse critrio, a escolha deve recair na alternativa
los no bairro, em estudos pela companhia responsvel pelo B, pois apresenta a maior rentabilidade caso ocorram eventos
trnsito. favorveis para a empresa.
100 Captulo Oito

Critrio Hurwicz Passo 3: Identificar, para cada alternativa, o arrependimento


Base de anlise: evoluo das rentabilidades mdias ponderadas mximo possvel.
com o coeficiente de otimismo.
Rentabilidades mdias: ARREPENDIMENTO
ALTERNATIVA
MXIMO POSSVEL
Alternativa A: H(A) 20 v 16 (1 v)
Alternativa B: H(B) 22 v 16 (1 v) A 6
Alternativa C: H(C) 22 v 14 (1 v) B 2
Traando grficos para as alternativas, encontramos: C 4

Nesse caso, podemos observar que a Alternativa B apresenta o


melhor resultado.
Concluso: de todas as anlises, podemos concluir que a melhor
alternativa para a construtora a Alternativa B.

Exerccio 2
Aplicao de Monte Carlo para anlise de risco em
rentabilidade de projeto
Uma empresa planeja realizar um investimento no valor to-
tal de $600.000,00, com desembolso previsto de $100.000,00
imediatamente, de $350.000,00 ao longo do primeiro ano e
$150.000,00 no segundo ano. Para o primeiro ano de operao
do projeto a receita lquida prevista de $270.000,00 e o custo
total previsto de 55 % da receita lquida. A tabela que se segue
mostra o crescimento anual mdio previsto para a receita lquida,
nos demais anos, e a participao percentual dos custos totais.
Analisando essa figura, percebemos que a Alternativa B do-
mina praticamente as duas outras, exceto para as situaes de CRESCIMENTO PARTICIPAO DO
pessimismo extremo ou otimismo extremo. Nesse caso, a reco- DA RECEITA CUSTO TOTAL NA
mendao deve recair na Alternativa B. ANO LQUIDA (%) RECEITA LQUIDA (%)
Critrio de Savage 3 35 57
Base de anlise: arrependimentos mximos possveis. 4 25 60
Passo 1: Para cada evento, identificar a rentabilidade mxima 5 20 62
que pode ocorrer. 6 15 65

RENTABILIDADE MXIMA A vida til da instalao est prevista para cinco anos, com um
EVENTO POSSVEL valor residual estimado de $150.000,00. Com esses dados, va-
1 22 mos montar o demonstrativo de resultados para os anos 2 a 6
2 18 do projeto, conforme mostra a Fig. E8.1:
3 22 Observao: Clculo da depreciao:
4 20 600.000 200.000
QUOTA ANUAL 80.000
5
Passo 2: Construir a matriz de arrependimentos para cada al-
ternativa. Com os dados dessa demonstrao de resultados, podemos calcu-
lar o fluxo de caixa do projeto e, por meio das funes financeiras
do Excel, calcular as medidas de atratividade econmica: Valor
ARREPENDIMENTOS POSSVEIS
ALTERNATIVA Presente Lquido (VPL) e Taxa Interna de Retorno (TIR).
EVENTO 1 EVENTO 2 EVENTO 3 EVENTO 4
A 22 18 4 18 18 0 22 16 6 20 20
A Fig. E8.2 mostra a planilha utilizada para os clculos e os
0 valores resultantes do VPL e da TIR.
B 22 22 0 18 16 2 22 20 2 20 18
2 Anlise de risco
C 22 20 2 18 14 4 22 22 0 20 16 Podemos observar que o valor da TIR (13,18 %) est muito pr-
4 ximo do custo de capital utilizado pela empresa para a anlise
Exerccios Resolvidos 101

Fig. E8.1 Demonstrao dos resultados dos exerccios

Fig. E8.2 Fluxo de caixa do projeto

(12 %). Por essa razo, a gerncia deseja uma anlise de risco cenrios futuros, concluram que a previso inicial de receita
desse empreendimento. Para isso, a gerncia estabeleceu duas lquida e as taxas de crescimento do mercado poderiam variar
regras para a aceitao do projeto: em torno dos valores mdios utilizados para a primeira anlise,
1. A TIR tem que ser superior a 12 %, com o risco mximo que chamaremos aqui de Caso Base.
de 10 %. Alm dos valores possveis para a receita lquida inicial e para
2. O VPL deve ser superior a $5.000, tambm com risco mxi- as taxas de crescimento, os analistas estimaram as probabilida-
mo igual a 10 %. des de ocorrncia de cada um dos valores. Estas so probabili-
Para isso, os analistas de planejamento se reuniram e determi- dades subjetivas que expressam o grau de certeza que eles tm
naram os fatores do ambiente negocial que podem provocar sobre a ocorrncia das estimativas. As tabelas a seguir mostram
variaes nos resultados finais do projeto. Aps a anlise dos os valores estimados pelos analistas.

PREVISO DE DEMANDA PROBABILIDADE DE


NO ANO 2 ($) OCORRNCIA (%)
260.000 30
270.000 50
280.000 20

PROJEO DE CRESCIMENTO PROBABILIDADE DE PROJEO DE CRESCIMENTO PROBABILIDADE DE


ANO 3/ANO 2 (%) OCORRNCIA (%) ANO 4/ANO 3 (%) OCORRNCIA (%)
30 30 20 30
35 50 25 50
37 20 27 20

PROJEO DE CRESCIMENTO PROBABILIDADE DE PROJEO DE CRESCIMENTO PROBABILIDADE DE


ANO 5/ANO 4 (%) OCORRNCIA (%) ANO 6/ANO 5 (%) OCORRNCIA (%)
15 30 10 30
20 50 15 50
22 20 20 20
102 Captulo Oito

Simulao de resultados Observe que na figura uma das clulas foi selecionada para a
apresentao da frmula de clculo.
Com essas estimativas, a planilha original do Caso Base foi mo-
dificada para permitir a utilizao da tcnica de Monte Carlo Com a utilizao dessa planilha realizamos 200 experimentos,
para a simulao de experimentos com variaes nos valores cujos resultados podem ser vistos no site da LTC Editora. A Fig.
da receita lquida. A Fig. E8.3 mostra a planilha utilizada, que E8.4 mostra um exemplo desses resultados.
pode ser consultada no site da LTC Editora.

Fig. E8.3 Planilha para simulao de resultados

Fig. E8.4 Resultados das simulaes


Exerccios Resolvidos 103

Concluses
A partir dos resultados dos 200 experimentos realizamos uma
anlise estatstica para determinar as distribuies de probabi-
lidades do VPL e da TIR.
A tabela que se segue mostra as distribuies de frequncia pa-
ra a TIR. Podemos ver tambm que a Taxa Interna de Retorno
mdia 13,26 %.

Fig. E8.6 Distribuies de frequncia para o VPL

Analisando a distribuio de frequncia acumulada percebemos


que a primeira regra da diretoria no ser cumprida pelo projeto:
a probabilidade de a TIR ser inferior (risco) a 12 % 17 % (o
risco mximo estabelecido pela diretoria de 10 %).
O mesmo resultado pode ser visto na Fig. E8.5, que mostra gra-
ficamente as duas frequncias associadas TIR.
Da mesma forma, analisamos os resultados do VPL e encontra-
mos os valores mostrados nas Figs. E8.6 e E8.7.
Podemos observar que o VPL mdio calculado $13.975,00,
que superior ao valor estipulado pela diretoria. No entanto, a
probabilidade de termos VPL inferior a $5.000,00 de 30,5 %,
valor muito superior ao estabelecido como meta. A Fig. E8.7
mostra graficamente esses resultados. Fig. E8.7 Grficos das distribuies de frequncia do VPL
A concluso final dessa anlise que o projeto apresenta um
grau de risco muito elevado e que os analistas devem estudar
melhor as estimativas de custos de implantao. Exerccio 3
Aplicao de Monte Carlo para anlise de risco no custo
total de um projeto
Um consrcio de empresas estuda a oportunidade de entrar em
um leilo federal para a construo de uma usina hidreltri-
ca na Amaznia. As informaes disponveis, fornecidas pelo
Ministrio de Minas e Energia, so baseadas em inventrio da
bacia e em estudos de pr-projeto, desenvolvidos por empre-
sas especializadas de consultoria na rea energtica. Por causa
disso os custos estimados para as diversas etapas do projeto
apresentam um grau significativo de incertezas, oriundas prin-
cipalmente dos seguintes eventos futuros, cujo desdobramento
difcil de prever:
1. Existem reas indgenas confrontantes com a rea do apro-
veitamento, cujas demandas por compensaes ainda no
esto definidas.
2. As licenas ambientais definitivas dependero das reas inun-
Fig. E8.5 Distribuies de frequncias da TIR dadas na bacia total e das localizaes das futuras reas de
104 Captulo Oito

emprstimo de material (pedra e areia) e dos projetos de lidade 5 % o risco de que o custo do projeto ultrapasse o
abertura de estradas para trabalho. mximo aceitvel.
3. Devero ocorrer negociaes com um pas vizinho com re-
lao ao nvel mximo final de gua no reservatrio, por Quantificao das incertezas
causa de possveis reflexos em rios afluentes que correm no
Analisando cuidadosamente as informaes e os estudos forneci-
territrio desse pas.
dos pelo ministrio, a equipe de planejamento julga que os custos
O consrcio precisa ter uma boa estimativa do custo total do podero se desenvolver segundo trs cenrios, como segue:
empreendimento para elaborar sua proposta final de preo da
energia a ser produzida (critrio do leilo: menor preo), e, para VARIAO NO PROBABILIDADE
isso, com base nas informaes disponveis, a equipe de plane- CENRIO CUSTO DA ETAPA DE OCORRNCIA
jamento produziu um cronograma fsico-financeiro que servir
de base para as anlises seguintes. O custo total do empreendi- Otimista 20 % 25 %
mento estimado em $ 6 bilhes, que devero ser gastos con- Provvel 0% 50 %
forme o cronograma (prazo estimado de seis anos) mostrado Pessimista 20 % 25 %
na tabela a seguir.
Os valores esto distribudos de acordo com as porcentagens Com base nessas informaes foi elaborada uma planilha de
gastas em cada etapa, por ano. Assim, por exemplo, na Etapa 1 Excel para a realizao das simulaes por meio da utilizao
o valor total de $ 600 ser gasto 70 % ($ 420) no ano 0 do pro-
do mtodo de Monte Carlo.
jeto e 30 % ($ 180) no ano 1. A distribuio completa pode ser
consultada no site da LTC Editora. Para cada etapa as variaes so simuladas por meio da gerao
Para elaborar a proposta para o leilo o consrcio precisa cal- de um nmero aleatrio em tabelas.
cular o valor presente desse cronograma financeiro. Como o A planilha para a simulao do valor presente do custo total
consrcio trabalha com o custo de capital igual a 12 %, o valor
mostrada na Fig. E8.2. Observe que uma clula foi selecionada
presente de todo o cronograma $ 4.597,40.
para exibir a frmula utilizada.
No entanto, em face das incertezas apresentadas a gerncia acha Todas as planilhas podem ser consultadas no site da LTC
muito arriscado basear sua proposta nesse valor, que pode ser
Editora. importante ressaltar que a anlise de risco rea-
considerado um valor mdio, podendo sofrer variaes para
lizada neste exerccio aborda apenas as variaes nos va-
mais ou para menos. Por isso, a equipe de planejamento neces-
lores previstos para gastar nas etapas. Caso o leitor queira
sita realizar uma anlise de risco.
ampliar a anlise de risco, simulando alteraes nos pra-
A direo definiu que o valor presente do custo mximo zos de execuo das etapas, a planilha facilita o trabalho,
aceitvel do empreendimento seja igual a $ 5.000 milhes bastando para isso alterar os percentuais de execuo das
e que a probabilidade de que o custo seja superior a esse etapas nas clulas amarelas da planilha Exerc. 3-Crono-
valor deva ser no mximo igual a 5 %. Ou seja, a probabi- grama do Projeto.
Exerccios Resolvidos 105

Fig. E8.8 Tabelas para a simulao das variaes nos custos das etapas

Fig. E8.9 Planilha para simulao do valor presente do custo total

Anlise dos resultados Como os resultados da gerao de nmeros aleatrios va-


Para a gerao das simulaes utilizamos o recurso Dados- riam cada vez que a planilha processada, copiamos uma
Tabela... do Excel para realizar os clculos e preencher a tabela das tabelas geradas para podermos efetuar a anlise esta-
de simulaes, conforme mostra a Fig. E8.10. Foram realizadas tstica dos resultados. Essa tabela copiada tambm aparece
200 simulaes. na Fig. E8.10.

Fig. E8.10 Resultados das simulaes


106 Captulo Oito

Para a anlise estatstica utilizamos a funo estatstica Frequn Analisando a distribuio de frequncia acumulada percebemos
cia, conforme mostra a tabela que se segue. que a probabilidade de que o valor presente do custo total fique
at US$ 5.000 igual a 94 %. Isso significa que o risco de o
custo exceder o valor estipulado de 6 %.
A Fig. E8.11 mostra a distribuio complementar da frequn
cia acumulada, em que esse resultado aparece mais clara-
mente.
Como os valores obtidos esto muito prximos das metas da
empresa, a equipe de planejamento deve aprofundar mais suas
anlises quantitativas das etapas de desenvolvimento do projeto,
produzindo oramentos melhores.
Essas anlises podem ser vistas na planilha correspondente no
site da LTC Editora.

Fig. E8.11 Visualizao do risco de valor presente maior do que US$ 5.000
9 Exerccios Resolvidos
Exerccio 1
Para o projeto que se segue, vamos calcular o caminho crti-
co, as datas relevantes para gerenciamento das atividades e as
folgas.

ATIVIDADE DURAO DEPENDNCIA


A 4
B 6
C 5
D 6 B
E 5 BeC
F 8 B
G 4 A
H 5 D, E, F e G
I 6 D, E, F e G
J 10 DeE
K 8 DeE
L 6 H
M 8 HeI
N 4 K

Rede PERT:

Caminho crtico: atividades B, F, I e M.


108 Captulo Nove

Datas das atividades: Folgas das atividades:

ATIVIDADE DURAO PDI UDI PDT UDT ATIVIDADE TD FT FL FD FI


A 4 1 7 4 10 A 10 6 0 6 0
B 6 1 1 6 6 B 6 0 0 0 0
C 5 1 5 5 9 C 9 4 1 4 1
D 6 7 9 12 14 D 8 2 0 2 0
E 5 7 10 11 14 E 8 3 1 0 (2) 0

F 8 7 7 14 14 F 8 0 0 0 0
G 4 5 11 8 14 G 10 6 6 0 0
H 5 15 16 19 20 H 6 1 0 1 0
I 6 15 15 20 20 I 6 0 0 0 0
J 10 13 19 22 28 J 16 6 6 4 4
K 8 13 17 20 24 K 12 4 0 2 (2) 0

L 6 20 23 25 28 L 9 3 3 2 2
M 8 21 21 28 28 M 8 0 0 0 0
N 4 21 25 24 28 N 8 4 4 0 0

Diagrama de blocos:

Uso do Excel: A utilizao do MS-Excel para clculo das datas 2. PDI 0, para as atividades iniciais
associadas s atividades pode ser vista no site da LTC Editora MXIMO(PDT1; PDT2; ) para as atividades que
livro. Para montagem da planilha as seguintes frmulas devem chegam nessa atividade
ser inseridas nas clulas correspondentes s atividades (para 3. UDI UDT DURAO
datas iniciais iguais a 0): 4. UDT MNIMO(UDI1; UDI2; ) para as atividades que
saem dessa atividade.
1. PDT SOMA(PDI DURAO)
Exerccios Resolvidos 109

Exerccio 2
Para o prximo projeto, vamos calcular o caminho crtico, as da-
tas relevantes para gerenciamento das atividades e as folgas.

ATIVIDADE DURAO DEPENDNCIA


A 8
B 10
C 6
D 6 A
E 5 B
F 4 B
G 8 C
H 8 C
I 6 H
J 4 H
K 6 E
L 10 E
M 12 F, G e I
N 5 I
O 10 DeK
P 14 D, K e L
Q 10 M
R 10 NeJ
S 8 O
T 8 P, Q e R
U 12 R

Rede PERT:

Caminhos crticos: 1. atividades B, E, L, P e T.


2. atividades C, H, I, N, R e U.
110 Captulo Nove

Datas das atividades: Folgas das atividades:

ATIVIDADE DURAO PDI UDI PDT UDT ATIVIDADE TD FT FL FD FI


A 8 1 12 8 19 A 19 11 0 11 0
B 10 1 1 10 10 B 10 0 0 0 0
C 6 1 1 6 6 C 6 0 0 0 0
D 6 9 20 14 25 0D 17 11 7 0 0
E 5 11 11 15 15 E 5 0 0 0 0
F 4 11 14 14 17 F 7 3 0 3 0
G 8 7 10 14 17 G 11 3 0 3 0
H 8 7 7 14 14 H 8 0 0 0 0
I 6 15 15 20 20 I 6 0 0 0 0
J 4 15 22 18 25 J 11 7 7 7 7
K 6 16 20 21 25 K 10 4 0 4 0
L 10 16 16 25 25 L 10 0 0 0 0
M 12 15 18 26 29 M 15 3 0 0 0
N 5 21 21 25 25 N 5 0 0 0 0
O 10 22 30 31 39 O 18 8 0 4 0
P 14 26 26 39 39 P 14 0 0 0 0
Q 10 27 30 36 39 Q 13 3 3 0 0
R 10 26 26 35 35 R 10 0 0 0 0
S 8 32 40 39 47 S 16 8 8 0 8
T 8 40 40 47 47 T 8 0 0 0 0
U 12 36 36 47 47 U 12 0 0 0 0

Diagrama de blocos:

Uso do Excel: A utilizao do MS-Excel para clculo das da-


tas associadas s atividades pode ser vista no site da LTC Edi-
tora livro.
Exerccios Resolvidos 111

Exerccio 3
Reduo no custo total do projeto com aproveitamento
das folgas livres
Seja o seguinte projeto:

ATIVIDADE DURAO DEPENDNCIA


A 10
B 6
C 8
D 8 A
E 8 A, B e C
F 6 C
G 10 D
H 15 D, E e F
I 10 C
J 12 HeI
K 8 G

Rede PERT:

Caminho crtico: atividades A, D, E, H e J.


112 Captulo Nove

Custos das atividades:

DURAO CUSTO
ATIVIDADE Normal Acelerada tima Normal Acelerado CMg
A 10 8 12 30 34 2
B 6 4 8 24 28 2
C 8 7 9 28 30 2
D 8 8 8 40 40 0
E 8 8 8 40 40 0
F 6 4 8 20 22 1
G 10 8 12 25 30 2,5
H 15 12 17 40 49 3
I 10 8 16 25 28 1,5
J 12 10 14 28 30 1
K 8 6 12 32 34 1

Custo total 332

Datas das atividades:

DURAO
ATIVIDADE NORMAL PDI UDI PDT UDT TD FT FL
A 10 1 1 10 10 10 0 0
B 6 1 5 6 10 10 4 4
C 8 1 3 8 10 10 2 0
D 8 11 11 18 18 8 0 0
E 8 11 11 18 18 8 0 0
F 6 9 13 14 18 10 4 4
G 10 19 28 28 37 19 9 0
H 15 19 19 33 33 15 0 0
I 10 9 24 18 33 25 15 15
J 12 34 34 45 45 12 0 0
K 8 29 38 36 45 17 9 9

Reduo possvel no custo total com aproveitamento das folgas livres:

ACRSCIMO
FOLGA POSSVEL NA REDUO
ATIVIDADE LIVRE DURAO CMg NO CUSTO
B 4 862 2 4
F 4 862 1 2
I 15 16 10 6 1,5 9
K 9 12 8 4 1 4

Reduo total 19
Novo custo total 313
Exerccios Resolvidos 113

Nova rede PERT:

Exerccio 4 Como as atividades D e E no podem ser aceleradas, as ativida-


Acelerao com menor acrscimo possvel do custo des do caminho crtico, candidatas para a acelerao, so:
total
No projeto do Exerccio 3 vamos calcular a acelerao possvel ACELERAO
que resulte no menor acrscimo do custo total. Observe que co- ATIVIDADE CMg POSSVEL
meamos a acelerao aps a reduo no custo provocada pelo A 2 10 para 8
aproveitamento das folgas livres. H 3 15 para 12
J 1 12 para 10

Acelerao da atividade J:

Novo custo total: 315


114 Captulo Nove

Acelerao da atividade A:

Novo custo total: 319

Podemos observar que as atividades C e F entraram no caminho continuar sendo determinada pelas atividades D e E. Assim,
crtico, mas no podemos aceler-las, porque a durao total vamos acelerar a atividade H.

Novo custo total: 328


Exerccios Resolvidos 115

Exerccio 5
Acelerao do projeto
Com os dados que se seguem, vamos acelerar o projeto.

DURAO CUSTO
ATIVIDADE DEPENDNCIA Normal Acelerada Normal Acelerado CMg
A 9 9 24 26 0
B 10 10 30 36 0
C A 7 6 18 22 4
D AeB 12 8 40 46 1,5
E B 8 7 28 34 6
F C 10 8 36 42 3
G D 8 6 24 28 2
H E 12 8 38 48 2,5
I EeG 14 10 48 60 3

Custo total 286

Rede PERT

Atividades para acelerao:

ACELERAO
ATIVIDADE CMg POSSVEL
D 1,5 12 para 8
G 2 8 para 6
I 3 14 para 10
116 Captulo Nove

Acelerao da atividade D:

Novo custo: 292

Atividades para acelerao:

ACELERAO
ATIVIDADE CMg POSSVEL
C 4 7 para 6
F 3 10 para 8
G 2 8 para 6
I 3 14 para 10

Como temos dois caminhos crticos no podemos acelerar ape- a rede, percebemos que temos que acelerar simultaneamente as
nas a atividade G, que tem o menor custo marginal. Analisando atividades F e G.

Acelerao das atividades F e G:

Novo custo: 302


Exerccios Resolvidos 117

Acelerao da atividade I:

Novo custo: 314

Exerccio 6
Nivelamento de recursos (mo de obra)
Vamos supor que o projeto do Exerccio 5 apresenta a seguinte
necessidade de mo de obra:

NECESSIDADE DE
ATIVIDADE DEPENDNCIA DURAO Mo de obra
A 9 4
B 10 6
C A 7 3
D AeB 12 8
E B 8 4
F C 10 5
G D 8 4
H E 12 6
I EeG 14 6

Vamos analisar a necessidade total de mo de obra por perodo folgas, de forma a termos uma utilizao mais constante, sem
e procurar otimizar sua alocao, com o aproveitamento das grandes picos.
118 Captulo Nove

Rede PERT:

Para a anlise da alocao inicial da mo de obra construmos tenha folga, indicamos a folga com as clulas sombreadas. A
uma planilha em Excel, na qual alocamos a necessidade de cada figura seguinte mostra uma parte da planilha, que pode ser con-
atividade, nos perodos correspondentes sua durao e, caso ferida no site da LTC Editora.
Exerccios Resolvidos 119

Quando iniciamos as atividades em suas respectivas PDI en- figura. Observe que nos perodos de 19 a 22 temos um mximo
contramos a alocao total de mo de obra conforme a prxima de 19 de necessidade de mo de obra.

Analisando as folgas e deslocando algumas atividades para incio gura que segue. Observe que a alocao mxima 13 e que o perfil
em suas respectivas UDI, encontramos o perfil de alocao da fi- muito mais plano, o que melhor do ponto de vista gerencial.
120 Captulo Nove

Exerccio 7
Nivelamento de recursos (custos)
Vamos retomar a rede do Exerccio 4, analisar o perfil normal
do custo total e propor um nivelamento que possa melhorar o
fluxo de caixa da empresa.

Custos das atividades:

ATIVIDADE DURAO CUSTO TOTAL CUSTO POR PERODO


A 10 30 3,00
B 6 24 4,00
C 8 28 3,50
D 8 40 5,00
E 8 40 5,00
F 6 20 3,33
G 10 25 2,50
H 15 40 2,67
I 10 25 2,50
J 12 28 2,33
K 8 32 4,00

Os valores de custo por perodo foram obtidos pela simples


diviso do custo total pela durao da atividade apenas por sim-
plicidade. importante lembrar que na prtica da gerncia de
projetos, na maioria das vezes, a apropriao de custos segue a
chamada curva S, durante o perodo de execuo da atividade.
A figura ao lado mostra um exemplo.
Exerccios Resolvidos 121

Ao utilizar as respectivas PDI para iniciarmos as atividades te-


mos o seguinte perfil de apropriao de custos.

Se pudermos tornar esse perfil mais plano, a gerncia de custos aproveitando as folgas e iniciando algumas atividades nas res-
(que geralmente corresponde a desembolso de dinheiro) pode pectivas UDI (confira no site da LTC Editora) temos o perfil
ser mais efetiva para a empresa. Assim, como no caso anterior, a seguir:

interessante notar que ainda continuamos com alguns picos durao maior, de forma a diluirmos os custos em um nmero
que poderiam ser aplainados. No entanto, para fazermos isso maior de perodos.
precisamos verificar se a atividade pode ser executada com uma
122 Captulo Nove

Exerccio 8 tenha assinado um contrato que estipula que a durao mxima


Anlise de risco do cumprimento do prazo do projeto seja 30 perodos de tempo e que, em caso de violao do limite
mximo, ela dever pagar uma multa.
Vamos considerar o projeto do Exerccio 1, cuja rede PERT
mostrada a seguir, e realizar uma anlise de risco da durao
do projeto. Vamos supor que a empresa executora do projeto

O caminho crtico que determina a durao do projeto for- duraes, e a equipe de planejamento criou os seguintes cen-
mado pelas atividades B, F, I e M. Analisando cada uma delas rios para cada uma dessas atividades:
a empresa concluiu que h possibilidade de variaes em suas

ATIVIDADE B
CENRIO Durao Probabilidade
Otimista 5 10 %
Provvel 6 70 %
Pessimista 7 20 %

ATIVIDADE F
CENRIO Durao Probabilidade
Otimista 7 10 %
Provvel 8 60 %
Pessimista 10 30 %

ATIVIDADE I
CENRIO Durao Probabilidade
Otimista 5 10 %
Provvel 6 70 %
Pessimista 7 20 %

ATIVIDADE M
CENRIO Durao Probabilidade
Otimista 7 10 %
Provvel 8 60 %
Pessimista 10 30 %
Exerccios Resolvidos 123

Observe que as atividades F e M, alm de serem mais longas, Para anlise do risco da durao total do projeto vamos utilizar
foram contempladas com maior variao em suas duraes, pro- a tcnica de Monte Carlo. A figura a seguir mostra a planilha
vavelmente porque a equipe de planejamento acredita que so utilizada para a anlise, que pode ser consultada no site da LTC
atividades cujos controles so mais difceis. Editora. Observe que uma das clulas est selecionada para que
a frmula associada possa ser conferida.

Aps realizarmos 200 simulaes obtivemos resultados que fo- tenha uma durao superior a 30 de aproximadamente 20 %
ram tratados estatisticamente e apresentados no grfico seguinte. muito elevado.
Pode-se ver que o risco que a empresa corre de que o projeto
10 Exerccios Resolvidos
Parte 1: Modelagem Tabela E1.2 Custos de transporte de cada local
candidato a CD para os distribuidores
Exerccio 1
CLIENTE CUSTO UNITRIO DE TRANSPORTE
Problema de definio da localizao e do porte de ($/ 1.000 t)
instalaes (cij)
No Cap. 5 estudamos os modelos de transporte com o objetivo
LOCAL 1 2 3 4 5 6
de programar os fluxos nas diversas rotas para atendermos o
mercado com o custo total mnimo de transporte. Vamos ana- A 12 22 40 14 36 28
lisar agora um modelo semelhante, em que nosso objetivo B 22 14 30 24 40 8
determinar, alm dos fluxos timos, a localizao e o porte das C 44 32 18 18 28 16
instalaes de abastecimento. D 15 34 18 30 16 38
E 38 40 28 15 12 20
Formulao do problema
F 28 22 36 19 45 16
Uma usina siderrgica, produtora de vergalhes para a construo DEMANDA 90 120 100 100 110 130
civil, abastece seis grandes distribuidoras na Regio Sudeste. Para ANUAL
melhorar a qualidade de seu servio logstico de entrega a usina
pretende instalar centros de distribuio (CD) que recebero os
produtos da usina e faro as entregas para as empresas de comer- Definio das variveis
cializao.
a. Variveis de deciso para localizao dos centros de distri-
H seis localidades candidatas com condies de receberem buio:

{
os CD, e elas diferem entre si pelos custos fixos anuais e pelos
custos variveis por tonelada de material distribudo e pela ca- 1, CD construdo no local i
Yi 0, CD no construdo noo local i
pacidade anual de estocagem e manuseio. A Tabela E1.1 mostra
as caractersticas de cada local.
b. Variveis para definio do porte dos CD:
Zi capacidade do CD construdo no local i
Tabela E1.1 Caractersticas dos locais candidatos a CD
CUSTO c. Variveis para determinao dos fluxos de transporte dos CD
CAPACIDADE FIXO CUSTO para os clientes:
MXIMA ANUAL VARIVEL xij quantidade transportada do CD i para o cliente j.
em 1.000 t ($) ($/ 1.000 t)
LOCAL (CMi) (CFi) (CVi) Restries
A 230 1.800 17 a. Restries de demanda dos clientes:
B 200 1.700 18
Cliente 1: x11 x21 x31 x41 x51 x61 90
C 190 1.300 20 Cliente 2: x12 x22 x32 x42 x52 x62 120
D 220 2.000 16
Cliente 6: x16 x26 x36 x46 x56 x66 130
E 220 1.800 21
b. Restries de fornecimento devido s capacidades dos CD
F 240 2.300 20 n n

Expresso geral: j1
x ij # Zi ou x
j1
ij Zi # 0
Os custos de transporte do material de cada local para os seis dis-
tribuidores tambm variam conforme mostra a Tabela E1.2. Local A: x11 x12 x13 x14 x15 x16 Z1 0
Local B: x21 x22 x23 x24 x25 x26 Z2 0 O valor mostrado em cada rota representa os tempos gastos para
deslocamento entre os locais.
Local F: x61 x62 x63 x64 x65 x66 Z6 0
O objetivo do problema determinar a sequncia de paradas do
c. Relao entre a deciso de construir e o tamanho necessrio: caminho de forma a minimizar a durao total da viagem.
Expresso geral: Zi CMi Yi, em que CMi a capacidade Os tempos de deslocamento entre os ns podem ser sintetizados
mxima possvel no local i. na matriz simtrica seguinte:
Local A: Z1 230 Y1 0
Local B: Z2 200 Y2 0
NS 1 2 3 4 5

Local F: Z6 230 Y6 0 1 34 47 67 48
2 34 17 34 23
d. Restries nas variveis
3 47 17 26 34
xij 0 para i 1, 2 , 6 e j 1, 2, , 6 4 67 34 26 31
Zi 0 para i 1, 2 , 6
5 48 23 34 31
Yi 0 ou 1 para i 1, 2 , 6

Exerccio 2 Definio das variveis


Problema do caixeiro viajante
xij escolha da rota de i para j, com os seguintes valores:
O problema do caixeiro viajante, um dos mais tradicionais de xij 1, caso a rota de i para j seja escolhida
programao inteira, , em essncia, a determinao da melhor xij 0, caso a rota de i para j no seja escolhida.
rota a ser seguida por uma pessoa ou veculo para atender v-
rios locais partindo de um ponto e voltando ao mesmo. Para Observao: Nessas variveis, temos que ter i j porque para
problemas representados por redes com grande quantidade de i j a varivel xij no existe.
ns e arcos a complexidade matemtica torna muito difcil a
obteno da soluo exata. Restries
No estudo da logstica encontramos muitas aplicaes para esse A soluo do problema ser vivel quando cada n visitado
problema. Por exemplo, os caminhes de entrega das empresas uma s vez e a viagem completa um ciclo fechado que comea
distribuidoras de cervejas e refrigerantes partem do depsito, e termina no n de partida. Assim, precisamos definir os dois
visitam vrios clientes (bares, restaurantes etc.) e voltam ao grupos de restries seguintes:
depsito de origem. 1. Garantia de que cada n ter apenas um sucessor, ou seja,
Vamos modelar aqui um problema mais simples. um s arco pode sair de cada n:
N 1: x12 x13 x14 x15 1
Descrio do problema N 2: x21 x23 x24 x25 1
Um caminho de entrega parte de um depsito localizado no N 3: x31 x32 x34 x35 1
n 1 e deve visitar os clientes localizados nos ns 2, 3, 4 e 5, N 4: x41 x42 x43 x45 1
conforme mostra a rede da Fig. E10.1. N 5: x51 x52 x53 x54 1

Fig. E10.1 Rede de transporte do caminho de entrega


126 Captulo Dez

2. Garantia de que cada n ter apenas um antecessor, ou seja, b. Temos uma quantidade n de subconjuntos wj, cada um deles
um s arco pode chegar a cada n: contendo um ou mais elementos que devem ser aproveitados
para a formao do plano operacional;
N 1: x21 x31 x41 x51 1
c. Cada subconjunto wj tem um custo cj;
N 2: x12 x32 x42 x52 1
d. O objetivo do problema selecionar os subconjuntos wj que
N 3: x13 x23 x43 x53 1
combinados oferecem todos os elementos requeridos pelo
N 4: x14 x24 x34 x54 1
conjunto W com o menor custo possvel.
N 5: x15 x25 x35 x45 1
Podemos ter duas abordagens nesse tipo de problema:
Por outro lado, precisamos evitar a ocorrncia de subciclos fe-
chados, ou seja, quantidades parciais de ns formando um ciclo: 1. Cada um dos elementos do conjunto-alvo W pode aparecer
uma viagem comeando e terminando no mesmo n, mas no uma ou mais vezes nos subconjuntos selecionados: temos
passando por todos os ns. Assim, temos: um problema de cobertura;
3. Restries para evitarmos um subciclo de 2 ns: 2. Cada um dos elementos s pode aparecer uma vez no con-
junto-alvo W: temos um problema de partio.
Ns 1 e 2: x12 x21 1
Ns 1 e 3: x13 x31 1 Vamos exemplificar com um problema prtico.
Ns 1 e 4: x14 x41 1
Ns 1 e 5: x15 x51 1 Formulao do problema
Ns 2 e 3: x23 x32 1 Um novo campo de petrleo em alto mar formado por 20 poos que
Ns 2 e 4: x24 x42 1 devem ser ligados a plataformas coletoras que recebem o petrleo ex-
Ns 2 e 5: x25 x52 1 trado, armazenam e depois transferem para os navios petroleiros.
Ns 3 e 4: x34 x43 1
Ns 3 e 5: x35 x53 1 Os poos esto dispersos por uma rea relativamente ampla, e o
Ns 4 e 5: x45 x54 1 setor de engenharia projetou 10 tipos de plataformas que respei-
tam as condies de relevo do fundo do mar e de correntes mar-
4. Restries para evitarmos subciclos de 3 ns: timas e coletam o petrleo de um conjunto especfico de poos.
Ns 1, 2 e 3: x12 x21 x13 x31 x23 x32 2 A Tabela E3.1 mostra os tipos projetados e os poos que podem
Ns 1, 2 e 4: x12 x21 x14 x41 x24 x42 2 ser coletados.
Ns 1, 2 e 5: x12 x21 x15 x51 x25 x52 2
Ns 2, 3 e 4: x23 x32 x24 x42 x34 x43 2
Ns 2, 3 e 5: x23 x32 x25 x52 x35 x53 2 Tabela E3.1: Caractersticas das plataformas
Ns 3, 4 e 5: x34 x43 x35 x53 x45 x54 2 CUSTO
Funo objetivo: CONJUNTO ANUAL DE
TIPO DE DE POOS CONSTRUO
5 5
PLATAFORMA CONECTADOS E OPERAO
Minimizar TT c x
i1 j1
ij ij
I 1, 2, 3, 6 12
II 4, 5, 6 14
Em nosso exemplo,
III 7, 8, 9, 12 10
Minimizar TT 34 x12 47 x13 31 x54 IV 6, 8, 9, 13 13
V 10, 11, 12, 13, 14 18
Exerccio 3
VI 12, 13, 15 9
Problema de cobertura e partio
VII 14, 15, 16 10
Diversos problemas gerenciais podem ser representados por VIII 3, 6, 7, 8, 11, 13, 18
modelos de cobertura semelhantes ao problema do chefe de 17, 18
manuteno que deve criar uma escala de planto para dar co-
IX 5, 8, 10, 19, 20 20
bertura satisfatria s necessidades dos clientes e gastar o m-
nimo possvel. X 1, 2, 4, 16, 17, 18, 28
19, 20
De forma geral, o problema de cobertura compreende um n-
mero grande e finito de alternativas que podem ser combina-
das para criar um conjunto de caractersticas necessrias ao A Tabela E3.1 mostra tambm o custo anual de construo e
atendimento dos requisitos de um sistema. Assim, podemos operao das plataformas.
identificar:
O objetivo do setor de engenharia determinar o nmero mni-
a. Um conjunto W de elementos que devem ser includos no mo de plataformas que faam a coleta de todos os poos com o
plano operacional; menor custo total anual.
Exerccios Resolvidos 127

No primeiro caso, vamos considerar que um poo pode ser li- Funo objetivo:
gado a uma ou mais plataformas. Assim, desenvolveremos o
Minimizar CT 12 x1 14 x2 10 x3 13 x4 18 x5 9 x6
modelo de um problema de cobertura.
10 x7 18 x8 20 x9 28 x10
Para estruturar o modelo vamos formar uma matriz de inci-
dncia em que relacionaremos os tipos de plataforma com os Exerccio 4
poos conectados.
Problema de partio

PLATA- Se considerarmos que cada poo deve ser ligado a somente uma
FORMA plataforma teremos um problema de partio. O modelo an-
logo, mas com todas as restries na forma de equaes.
I II III IV V VI VII VIII IX X
Exemplo
Poo 1: x1 x10 1
POO
Poo 20: x9 x10 1
1 1 1
2 1 1
Exerccio 5
3 1 1
4 0 1 1 Vamos resolver o seguinte modelo de programao linear inteira
pelo mtodo Branch and Bound:
5 0 1 1
6 1 1 1 1 Maximizar Z 15 x1 32 x2
7 0 1 1
8 0 1 1 1 1 Sujeito a: 7 x1 16 x2 52
3 x1 2 x2 9
9 0 1 1
x1 e x2 0 e inteiros
10 0 1 1
11 0 1 1 Problema 0: Soluo contnua
12 0 1 1 1
BASE x1 x2 x3 x4 b
13 0 1 1 1 1
14 0 1 1 x3 7 16 1 0 52
15 0 1 x4 3 2 0 1 9
16 0 1 1 Z 15 32 0 0 0
17 0 1 1
18 0 1 1
BASE x1 x2 x3 x4 b
19 0 1 1
20 0 1 1 x2 7 1 1 0 13
16 16 4
x4 31 0 1 1 31
Podemos agora, desenvolver novo modelo: 8 8 2
Z 1 0 2 0 104
Definio das variveis
CT custo total BASE x1 x2 x3 x4 b

{1, se a plataforma j for escolhida;


x j 0 se no for esccolhida. x2 0 1 3
62 7 62 3
2
x1 1 0 1 8 4
Formulao das restries 31 31
Poo 1: x1 x10 1 Z 0 0 66 32 108
31 31
Poo 2: x1 x10 1
Poo 3: x1 x8 1
Poo 4: x2 x9 1 Soluo tima contnua:
Poo 5: x2 x10 1 x1 4
Poo 6: x1 x2 x4 x8 x10 1 x2 1,5
Z 108
Poo 20: x9 x10 1
128 Captulo Dez

Como temos uma varivel fracionria, vamos formular dois no- BASE x1 x2 x3 x4 x5 x a2 b
vos problemas com duas restries que podem incluir uma so-
luo inteira: x3 7 16 1 0 0 0 52

Problema 1: Adio da restrio x2 1 x4 3 2 0 1 0 0 9

Problema 2: Adio da restrio x2 2 x a


2 0 1 0 0 1 1 2

Problema 1: Maximizar Z 15 x1 32 x2 Z 15 32 0 0 0 0 0

Sujeito a: 7 x1 16 x2 52 Z a
0 1 0 0 1 0 2
3 x1 2 x2 9
x2 1
BASE x1 x2 x3 x4 x5 x a2 b
x1 e x2 0 e inteiros
x3 7 0 1 0 16 16 20

BASE x1 x2 x3 x4 x5 b x4 3 0 0 1 2 2 13

x3 7 16 1 0 0 52 x a2 0 1 0 0 1 1 2

x4 3 2 0 1 0 9 Z 15 0 0 0 32 32 64

x5 0 1 0 0 0 1 Za 0 0 0 0 0 1 0

Z 15 32 0 0 0 0
BASE x1 x2 x3 x4 x5 b

BASE x1 x2 x3 x4 x5 b x5 7 0 1 0 1 5
16 16 4
x3 7 0 1 0 16 36 x4 31 0 1 1 0 31
8 8 2
x4 3 0 0 1 2 11 x2 7 1 1 0 0 13
16 16 4
x1 0 1 0 0 1 1
Z 1 0 2 0 0 104
Z 15 0 0 0 32 32

BASE x1 x2 x3 x4 x5 b
BASE x1 x2 x3 x4 x5 b 1 16 20
x1 1 0 7 0 7 7
x3 0 0 1 7 3 14 7 31
3 3 62 31
x4 0 0 7 1 7 2
x1 1 0 0 1 2 11
3 3 3 x2 0 1 0 0 1 2
x2 0 1 0 0 1 1 15 16 748
Z 0 0 7 0 7 7
Z 0 0 0 15 10 87
3
Soluo tima:
Soluo tima:
x1 20/7
x1 11/3
x2 2
x2 1
Z 748/7 106,86
Z 87
Comparando os valores timos obtidos nos dois problemas po-
Problema 2: Maximizar Z 15 x1 32 x2
demos perceber que no conveniente que exploremos mais o
Sujeito a: 7 x1 16 x2 52
ramo aberto pelo Problema 1, j que o valor de Z resultante
3 x1 2 x2 9
menor do que o apresentado pelo Problema 2. Vamos manter o
x2 2
ramo da rvore criado pelo Problema 1 em estado de espera.
x1 e x2 0 e inteiros A partir do Problema 2, vamos criar dois novos problemas:
Exerccios Resolvidos 129

Problema 2.1: Adio da restrio x1 2 Problema 2.2: Maximizar Z 15 x1 32 x2


Sujeito a: 7 x1 16 x2 52
Problema 2.2: Adio da restrio x1 3.
3 x1 2 x2 9
Problema 2.1: Maximizar Z 15 x1 32 x2 x2 2
Sujeito a: 7 x1 16 x2 52 x1 3
3 x1 2 x2 9 x1 e x2 0 e inteiros
x2 2
x1 2
BASE x1 x2 x3 x4 x5 x6 x1a x a2 b
x1 e x2 0 e inteiros
x3 7 16 1 0 0 0 0 0 52
BASE x1 x2 x3 x4 x5 x6 x a2 b
x4 3 2 0 1 0 0 0 0 9
x3 7 16 1 0 0 0 0 52
x1a 1 0 0 0 1 0 1 0 3
x4 3 2 0 1 0 0 0 9
x a2 0 1 0 0 0 1 0 1 2
x5 1 0 0 0 1 0 0 2
Z 15 32 0 0 0 0 0 0 0
x a2 0 1 0 0 0 1 1 2
Za 1 1 0 0 1 1 0 0 5
Z 15 32 0 0 0 0 0 0
Za 0 1 0 0 0 1 0 2
BASE x1 x2 x3 x4 x5 x6 x1a x a2 b
BASE x1 x2 x3 x4 x5 x6 x a2 b x3 7 0 1 0 0 16 0 16 20
x3 7 0 1 0 0 16 16 20 x4 3 0 0 1 0 2 0 2 13
x4 3 0 0 1 0 2 2 13 x1a 1 0 0 0 1 0 1 0 3
x5 1 0 0 0 1 0 0 2 x2 0 1 0 0 0 1 0 1 2
x2 0 1 0 0 0 1 1 2 Z 15 0 0 0 0 32 0 32 64
Z 15 0 0 0 0 32 32 64
Z a
1 0 0 0 1 0 0 1 3
Za 0 0 0 0 0 0 1 0

BASE x1 x2 x3 x4 x5 x6 x1a x a2 b
BASE x1 x2 x3 x4 x5 x6 b
7 1 5 x3 0 0 1 0 7 16 7 16 1
x6 16 0 16 0 0 1 4
x4 0 0 0 1 3 2 3 2 4
x4 31 0 1 1 0 0 311
8 8 2 x1 1 0 0 0 1 0 1 0 3
x5 1 0 0 0 1 0 2
x2 0 1 0 0 0 1 0 1 2
x2 7 1 1 0 0 0 13
16 16 4 Z 0 0 0 0 15 32 15 32 109
Z 1 0 2 0 0 0 104 Za 0 0 0 0 0 0 1 1 0

BASE x1 x2 x3 x4 x5 x6 b
Como podemos ver, a soluo do Problema 2.2 invivel, j
x6 0 0 1
16 0 716 1 3
8 que x3 1.
x4 0 0 1 1 318 0 31 A partir do Problema 2.1 podemos criar dois novos problemas,
8 4
como segue:
x1 1 0 0 0 1 0 2
Problema 2.1.1: Adio da restrio x2 3
x2 0 1 1
16 0 716 0 19
8 Problema 2.1.2: Adio da restrio x2 2.
Z 0 0 2 0 1 0 106
Problema 2.1.1: Maximizar Z 15 x1 32 x2
Sujeito a: 7 x1 16 x2 52
Soluo tima:
3 x1 2 x2 9
x1 2 x1 2
x2 2,37 x2 3
Z 106 x1 e x2 0 e inteiros
130 Captulo Dez

BASE x1 x2 x3 x4 x5 x6 x a2 b Problema 2.1.2: Maximizar Z 15 x1 32 x2


Sujeito a: 7 x1 16 x2 52
x3 7 16 1 0 0 0 0 52 3 x1 2 x2 9
x4 3 2 0 1 0 0 0 9 x1 2
x2 2
x5 1 0 0 0 1 0 0 2 x1 e x2 0 e inteiros
x a2 0 1 0 0 0 1 1 3
BASE x1 x2 x3 x4 x5 x6 b
Z 15 32 0 0 0 0 0 0
x3 7 16 1 0 0 0 52
Za 0 1 0 0 0 1 0 3
x4 3 2 0 1 0 0 9
x5 1 0 0 0 1 0 2
BASE x1 x2 x3 x4 x5 x6 x a2 b
x6 0 1 0 0 0 1 2
x3 7 0 1 0 0 16 16 4
Z 15 32 0 0 0 0 0
x4 3 0 0 1 2 2 2 13
x5 1 0 0 0 1 0 0 2
BASE x1 x2 x3 x4 x5 x6 b
x2 0 1 0 0 0 1 1 3
x3 7 0 1 0 0 16 20
Z 15 0 0 0 0 32 32 96
x4 3 0 0 1 0 2 13
Za 0 0 0 0 0 0 1 0
x5 1 0 0 0 1 0 2
x2 0 1 0 0 0 1 2
BASE x1 x2 x3 x4 x5 x6 b
Z 15 0 0 0 0 32 64
x6 7 0 1 0 0 1 1
16 16 4
x4 31 0 1 1 0 0 311 BASE x1 x2 x3 x4 x5 x6 b
8 8 2
x5 1 0 0 0 1 0 2 x3 0 0 1 0 7 16 6

x2 7 1 1 0 0 0 13 x4 0 0 0 1 3 2 7
16 16 4
x1 1 0 0 0 1 0 2
Z 1 0 2 0 0 0 104
x2 0 1 0 0 0 1 2
BASE x1 x2 x3 x4 x5 x6 b Z 0 0 0 0 15 32 94

x1 1 0 1 0 0 16 4
7 7 7 Soluo tima:
x4 0 0 37 1 0 62 7 93
7 x1 2
x5 0 0 0 0 1 16 7 10
7
x2 2
Z 94
x2 0 1 0 0 0 1 3
Temos uma soluo tima inteira, porm o valor timo da funo
Z 0 0 15 0 0 16 732 objetivo Z* 94 inferior ao valor Z* 104,57 do Problema
7 7 7
2.1.1. Assim, vamos manter esse ramo da rvore em estado
de espera. A partir do Problema 2.1.1 vamos criar dois novos
Soluo tima:
problemas:
x1 4/7
Problema 2.1.1.1: Adio da restrio x1 ? 0.
x2 3
Z 104,57 Problema 2.1.1.2: Adio da restrio x1 ? 1.
Exerccios Resolvidos 131

Problema 2.1.1.1: Maximizar Z 15 x1 32 x2 Problema 2.1.1.2: Maximizar Z 15 x1 32 x2


Sujeito a: 7 x1 16 x2 52 Sujeito a: 7 x1 16 x2 52
3 x1 2 x2 9 3 x1 2 x2 9
x1 0 x1 1
x2 3 x2 3
x1 e x2 0 e inteiros x1 e x2 0 e inteiros
Resolvendo o modelo, percebemos que esse problema invi
BASE x1 x2 x3 x4 x5 x6 x a2 b vel.
x3 7 16 1 0 0 0 0 52 Como o valor de Z* 104 do Problema 2.1.1.1 superior aos
x4 3 2 0 1 0 0 0 9 valores dos problemas em estado de espera, vamos explorar
ainda mais esse ramal, criando dois novos problemas:
x5 1 0 0 0 1 0 0 0
Problema 2.1.1.1.1: Adio da restrio x2 3.
x a2 0 1 0 0 0 1 1 3
Problema 2.1.1.1.2: Adio da restrio x2 4.
Z 15 32 0 0 0 0 0 0
Problema 2.1.1.1.1: Maximizar Z 15 x1 32 x2
Za 0 1 0 0 0 1 0 3 Sujeito a: 7 x1 16 x2 52
3 x1 2 x2 9
BASE x1 x2 x3 x4 x5 x6 x a2 b x1 0
x2 3
x3 7 0 1 0 0 16 16 4 x1 e x2 0 e inteiros
x4 3 0 0 1 0 2 2 15
BASE x1 x2 x3 x4 x5 x6 b
x5 1 0 0 0 1 0 0 0
x6 7 16 1 0 0 0 52
x2 0 1 0 0 0 1 1 3
x4 3 2 0 1 0 0 9
Z 15 0 0 0 0 32 32 96
x5 1 0 0 0 1 0 0
Z a
0 0 0 0 0 0 1 0
x2 0 1 0 0 0 1 3

BASE x1 x2 x3 x4 x5 x6 b Z 15 32 0 0 0 0 0

x6 7 0 1 0 0 1 1
16 16 4 BASE x1 x2 x3 x4 x5 x6 b
x4 31 0 1 1 0 0 311
8 8 2 x6 7 0 1 0 0 16 4
x5 1 0 0 0 1 0 0 x4 3 0 0 1 0 2 15
x2 7 1 1 0 0 0 13 x5 1 0 0 0 1 0 0
16 16 4
Z 1 0 2 0 0 0 104 x2 0 1 0 0 0 1 3
Z 15 0 0 0 0 32 96
BASE x1 x2 x3 x4 x5 x6 b
BASE x1 x2 x3 x4 x5 x6 b
x6 0 0 1
16 0 716 1 1
4
x6 7 0 1 0 7 16 4
x4 0 0 1
8 1 318 0 31
2
x4 3 0 0 1 3 2 15
x1 1 0 0 0 1 0 0
x5 1 0 0 0 1 0 0
x2 0 1 1
16 0 716 0 13
4 x2 0 1 0 0 0 1 3
Z 0 0 2 0 1 0 104 Z 0 0 0 0 15 32 96

Soluo tima: Soluo tima:


x1 0 x1 0
x2 3,25 x2 3
Z 104 Z 96
132 Captulo Dez

Resolvendo o Problema 2.1.1.1.2, veremos que sua soluo em estado de espera. Como no podemos mais ramificar esse
invivel. galho da rvore, a soluo encontrada tima.
Dessa forma, obtivemos uma soluo inteira para as variveis x1 rvore desenvolvida para soluo do exerccio:
e x2 que apresentam um valor de Z* maior do que os anteriores
11 Exerccios Resolvidos
Exerccio 1 so apresentados no Quadro 2. A companhia possui contrato de
Uma companhia produz trs tipos de fertilizantes a partir da longo prazo para fornecimento mensal de 6.500 t de fertilizante
mistura de ingredientes base de nitrato, fosfato e potssio e A. Para os fertilizantes B e C as condies de mercado impem
de um componente inerte, conforme mostra o Quadro 1, que a regra de produo mnima de 4.500 toneladas de cada um. A
apresenta tambm as margens unitrias de contribuio dos empresa deseja consumir todo seu estoque de potssio.
fertilizantes. Dados sobre a disponibilidade dos ingredientes

Quadro 1
TEMPO MARGEM
GASTO PARA UNITRIA DE
TIPO DE % PESO % PESO % PESO EMBALAGEM CONTRIBUIO
FERTILIZANTE NITRATO FOSFATO POTSSIO (hora/tonelada) ($/t)
A 5 10 5 0,1 30
B 5 15 10 0,11 73
C 10 10 10 0,13 80

Quadro 2
INGREDIENTE DISPONIBILIDADE (t)
Nitrato 1.200
Fosfato 2.000
Potssio 1.400

O tempo total de operao, por ms, dos equipamentos de em- a. Margem de contribuio total (MCT) de $1.000.000
balagem de 1.950 horas. b. Custo de logstica reversa (CLR) de $300.000.
A empresa mantm um programa de logstica reversa para co- Desenvolva o modelo de programao por metas e resolva com
letar e reciclar as embalagens utilizadas. Esse programa apre- a utilizao do Solver.
senta um custo de $12, $15 e $30 por tonelada produzida para
os fertilizantes A, B e C, respectivamente. Soluo:
O primeiro passo criar o modelo de programao linear do
A direo da empresa determinou que o programa de produo
problema, com as variveis de desvio.
para o prximo ms tem que atingir as seguintes metas:
134 Captulo Onze

Problema: Minimizao do desvio total


Minimizar DT d1 d2 d3 d4 d5 d6 d7 d8 d81 d9 d9
Sujeito a:
0,05 xA 0,05 xB 0,1 xC d1 1.200
0,1 xA 0,15 xB 0,1 xC d2 2.000
0,05 xA 0,1 xB 0,1 xC d3 1.400
0,1 xA 0,11 xB 0,13 xC d4 1.950
x A d5

6.500
x B d6

4.500
x C d7

4.500
30 xA 73 xB 80 xC d8 d8 1000.000
12 xA 15 xB 30 xC d9 d9 300.000
Com xA, xB, xC, d1, d2, d3, d4, d5, d6, d7, d8, d8, d92 e d9 0

Exerccio 2
Seja o seguinte modelo de programao linear:
Minimizar Z 10 x1 12 x2 5 x3
Sujeito a: 5 x1 6 x2 4 xc 30
2 x1 10 x2 6 x3 20
4 x1 4 x2 4 x3 20
x3 2
Com x1, x2 e x3 0 e inteiros.
Resolva o problema sob as seguintes condies:
a. Modelo com as restries rgidas, conforme as relaes apre-
sentadas.
b. Com um modelo com as restries flexveis, admitindo-se
desvios, resolva com o objetivo de minimizar os desvios per-
centuais (Exerccio Proposto 2.1). Podemos notar que o suprimento total igual a 1.050 e a de-
c. Com um modelo com as restries flexveis, admitindo-se manda total igual a 1.250.
desvios, resolva com o objetivo de minimizar os desvios ab-
solutos (Exerccio Proposto 2.2). Alm dos custos unitrios por rota, temos tambm limitaes
em cada rota. O modelo abaixo mostra esses valores.
Exerccio 3
Seja o seguinte modelo de programao linear:
Maximizar Z 10 x1 8 x2 12 x3
Sujeito a: 6 x1 6 x2 2 xc 30
3 x1 5 x2 4 x3 20
4 x1 4 x2 4 x3 24
x1 2
x3 2
Com x1, x2 e x3 0 e inteiros.

Exerccio 4
Seja a seguinte rede de transporte, em que as capacidades de supri-
mento e as demandas dos destinos esto mostradas no desenho. Os
valores associados s rotas so os custos unitrios de transporte, em
cada rota.
Exerccios Resolvidos 135

A empresa gostaria de saber quais devem ser os desvios nos Problema 3: Minimizao do desvio total
limites de transporte das rotas de forma que o custo total se- Minimizar CT d11 d12 d13 d21 d22 d23 d31 d32
ja igual a 4.150, respeitando as capacidades das rotas, mas d33
com o carregamento mximo possvel. Isso significa que al- Sujeito a: x11 x12 x13 100
gumas rotas podero ter sua capacidade aumentada. Para is- x21 x22 x23 800
so, pede-se: x31 x32 x33 150
x11 x21 x31 700
a. Monte os modelos de programao linear e resolva com uso
x12 x22 x32 250
do Solver.
x13 x23 x33 300
b. Monte um modelo de programao linear com a seguinte
x11 d11 100
estrutura das restries:
x12 d12 100
(exemplo para a rota F1 para D1): x11 d11 100, e minimize x13 d13 100
o desvio total absoluto. x21 d21 500
x22 d22 500
Problema 1: Calcular o transporte para minimizar o custo x23 d23 500
total x31 d31 200
x32 d32 200
Minimizar CT 5 x11 2 x12 8 x13 4 x21 3 x22 x33 d33 200
7 x23 4 x31 3 x32 6 x33 Com:
Sujeito a: x11 x12 x13 100 x11, x12, x13, x21, x22, x23, x31, x32 e x33 0
x21 x22 x23 800 d11, d12, d13, d21, d22, d23, d31, d32 e d33 0
x31 x32 x33 150
x11 x21 x31 700
x12 x22 x32 250 Exerccio 5
x13 x23 x33 300 Na anlise de um processo produtivo foi criado um modelo de progra-
Com: mao linear que tem por objetivo otimizar trs diferentes funes:
x11, x12, x13, x21, x22, x23, x31, x32 e x33 0
Funes objetivo:
Problema 2: Calcular o transporte para maximizar o Maximizar Z1 6 x1 2 x2 8 x3
carregamento total da rede Maximizar Z2 1 x1 8 x2 4 x3
Minimizar TT x11 x12 .x13 x21 x22 x23 x31 x32 Minimizar Z3 3 x1 1 x2 2 x3
x33 Sujeito a: 6 x1 2 x2 8 x3 16
Sujeito a: x11 x12 x13 100 1 x1 8 x2 4 x3 6
x21 x22 x23 800 3 x1 1 x2 2 x3 7
x31 x32 x33 150 x1 2
x11 x21 x31 700 Com x1, x2 e x3 0
x12 x22 x32 250
x13 x23 x33 300 1. Resolvendo o modelo com a funo objetivo Z1, encontra-
x11 100 mos:
x12 100 x1 2, x2 4,2, x3 2,6 e Z1 24,4
x13 100 2. Com a funo objetivo Z2, temos:
x21 500 x1 2, x2 12, x3 0 e Z2 98
x22 500
x23 500 3. Com a funo objetivo Z3, temos:
x31 200 x1 2, x2 2, x3 0 e Z2 8
x32 200 Considerando que as trs funes tm a mesma importncia para
x33 200 a empresa, vamos calcular uma soluo que contemple simulta-
Com: neamente os trs objetivos. Para isso, devemos criar uma nova
x11, x12, x13, x21, x22, x23, x31, x32 e x33 0 funo objetivo para minimizar o desvio total.
136 Captulo Onze

Minimizar DESVIO TOTAL Problema 2: Minimizao do custo da logstica reversa (CLR)


24, 4 (6 x1 2 x 2 8 x 3 ) Minimizar CLR 12 xA 15 xB 30 xC
24, 4 Sujeito a: 0,05 xA 0,05 xB 0,1 xC 1.200
0,1 xA 0,15 xB 0,1 xC 2.000
98 (1 x1 8 x 2 4 x 3 0,05 xA 0,1 xB 0,1 xC 1.400
+
98 0,1 xA 0,11 xB 0,13 xC 1.950

xA 6.500
8 (3 x1 1 x 2 2 x 3
+ xB 4.500
8
xC 4.500
Com xA, xB e xC 0
Minimizar DESVIO TOTAL 3 0,6312 x1 0,1246
x2 0,6187 x3 Problema 3: Minimizao do DESVIO TOTAL
Minimizar DESVIO TOTAL
1.020.875 (30 x1 73 x 2 80 x 3

Exerccio 6 1.020.875
Vamos resolver o problema da empresa de fertilizantes (Exerccio
1) por meio da programao com mltiplos objetivos. Para isso, 318.000 (12 x1 15 x 2 30 x 3

devemos resolver o modelo e encontrar as respostas para os dois 318.000
problemas apresentados pela gerncia da empresa:
Minimizar DESVIO TOTAL
1. Problema 1: Maximizao da margem de contribuio to- 2 0,000068 x1 0,00012 x2 0,00017 x3
tal (MCT). Sujeito a: 0,05 xA 0,05 xB 0,1 xC 1.200
2. Problema 2: Minimizao do custo da logstica reversa 0,1 xA 0,15 xB 0,1 xC 2.000
(CLR). 0,05 xA 0,1 xB 0,1 xC 1.400
Vamos considerar que a empresa tem a mesma prioridade para 0,1 xA 0,11 xB 0,13 xC 1.950
os dois problemas (pesos iguais). xA 6.500
xB 4.500
Problema 1: Maximizao da margem de contribuio total xC 4.500
(MCT) Com xA, xB e xC 0
Maximizar MCT 30 xA 73 xB 80 xC
Sujeito a:
0,05 xA 0,05 xB 0,1 xC 1.200
0,1 xA 0,15 xB 0,1 xC 2.000
0,05 xA 0,1 xB 0,1 xC 1.400
0,1 xA 0,11 xB 0,13 xC 1.950
xA 6.500
xB 4.500
xC 4.500
Com xA, xB e xC 0